توسعه جعبه ابزار پیشبینی عملکرد محصول استراتژیک گندم با استفاده از الگوریتمهای یادگیری ماشین به منظور کاهش مخاطرات امنیت غذایی (مطالعه موردی: استان البرز)
نویسندگان
1 گروه مهندسی آبیاری و آبادانی، دانشگاه تهران ، کرج، ایران
doi
10.22059/ijswr.2022.342638.669260چکیده
گندم به عنوان اصلیترین غذای مردم در کشور از اهمیت ویژهای برخوردار است. گندم نه تنها یک کالای مهم کشاورزی-اقتصادی در دنیا محسوب میشود، بلکه به عنوان اهرمی قدرتمند در مناسبات سیاسی و جهانی شناخته میشود. از این رو تحلیل و پیشبینی وضعیت تولید این محصول در کشور همواره مورد توجه بوده است. هدف از این پژوهش پیشبینی مقدار عملکرد گندم (X) با استفاده از فرامدلهای هوشمصنوعی در مقیاس زمانی سالانه در استان البرز است. بدین منظور، با استفاده از دادههای سطح زیر کشت و تولید سالانه، عملکرد گندم در شش شهرستان نظرآباد، ساوجبلاغ، کرج، اشتهارد، فردیس و طالقان با طول دوره آماری 40 ساله (2020-1981) بررسی شد. پس از محاسبه مقدار عملکرد (تن در هکتار) و تشکیل سری زمانی سالانه، با استفاده از چهار روش هوشمصنوعی شامل الگوریتم بهترین همسایگی (KNN)، ماشینبردار پشتیبان (SVM)، برنامه-ریزی بیانژن (GEP) و شبکه بیزین (BN) عملکرد گندم در سال بعد پیشبینی شد. نتایج حاکی از افزایش دقت پیشبینیها در سالهای با تولید بیشتر بود؛ به نحوی که بر اساس نتایج حاصل از مدل BN، GEP، SVM و KNN ضریب همبستگی بین مقادیر عملکرد گندم مشاهدهشده و پیشبینیشده برای شهرستان کرج به ترتیب 84/0، 89/0، 91/0 و 92/0 بهدست آمد. با این توضیح که شهرستانهای کرج و طالقان به ترتیب بیشترین و کمترین تولید گندم را در بین این شهرستانها دارند. نتایج نشان داد روش KNN نسبت به سایر روشها، بهترین دقت را داشت و معیارهای ارزیابی R، RMSE و MAE آن به ترتیب از ۸۴/۰ تا ۹۲/۰، 21/0 تا 24/ 0 تن در هکتار و 11/0 تا 18/0 متغیر بود. در مجموع با مقایسه روشهای استفاده شده، روش KNN، بیشترین و روش BN کمترین دقت را برای پیشبینی مقدار عملکرد گندم در استان البرز داشتند. نتایج این مطالعه میتواند در تأمین و مدیریت امنیت غذایی در مناطق تحت مطالعه بسیار مفید واقع شود.