مدل سازی ردپای آب گندم با استفاده از مدل های یادگیری ماشین در استان فارس

این مطالعه با هدف تخمین، پیش‏بینی و مدل‏سازی ردپای آب سبز و آبی محصول زراعی گندم با استفاده از مدل‏های یادگیری ماشین در اراضی فاریاب در دوره آماری (1384 تا 1396) انجام شد. بر این اساس، با استفاده از داده‏های اقلیمی و گیاهی و روش فازی کلاستر، مناطق کشت گندم فاریاب در استان فارس به چهار منطقه همگن تقسیم شد. در هر منطقه براساس چارچوب اوکسترا، ردپای آب آبی، سبز و خاکستری برآورد شد. سپس، ردپای آب در هم اقلیم همگن به دو دسته آموزش (70 درصد) و آزمون (30 درصد) تقسیم شد و با استفاده از مدل شبکه عصبی و دو کرنل لوگ لوجستیک و تانژانت هایپربولیک (50 ترکیب ورودی)، مدل جنگل تصادفی و رگرسیون بردار پشتیبان (تابع کرنل سیگمویید) با متغیرهای اقلیمی و گیاهی، پیش‏بینی صورت گرفت و نتایج مدل‏ها با شاخص‏های ارزیابی خطا و دیاگرام تیلور مورد مقایسه قرار گرفت. نتایج نشان داد بهترین مدل برای برآورد ردپای آب گندم فاریاب در استان فارس مدل شبکه عصبی مصنوعی با تابع لوگ لوجستیک با ضریب همبستگی بیش از 72/0 و میانگین خطای مطلق کمتر از 48/0 (مترمکعب بر تن) است و می‏تواند به ارتقای فرایند تصمیم‏گیری به مدیران آب و برنامه‏ریزان کمک کنند.