بررسی کارایی الگوریتم هیبریدی شبکه عصبی و بهینهساز الگوی استارلینگ (ANN-SMO) در تخمین نیاز آبی زعفران

چکیده مقاله

مطالعات پیشبینی ن یاز آبی به عنوان ابزاری کل یدی در مدیریت منابع آب، به کشاورزان و برنامهریزان کمک میکند تا با ب هی نهسازی مصرف آب، تولید محصولات زراعی را افزایش دهند و از اثرات منفی تنشهای آبی جلوگیری کنند . با توجه به اقلیم خشک و نیمهخشک استان خراسان جنوبی و نیازهای خاص زعفران، استفاده از مدلهای هوش مصنوعی بهعنوان ابزاری مؤثر در مدیریت منابع آب و بهینهسازی آبیاری، ضروری به نظر میرسد. در این راستا، دادههای اقلیمی شامل دما، رطوبت، بارش و تبخیر از ایستگاههای هواشناسی بین سالهای 2000 تا 2023 جمعآوری و برای مد لسازی نیاز آبی زعفران مورد استفاده قرار گرفت . در این پژوهش به ارزیابی عملکرد مدل هیبریدی شبکه عصبی مصنوعی و الگوریتم بهینهسازی استارلینگ ANN-SMO و مقایسه آن با روش شبکه عصبی و سایر روشهای دادهکاوی پرداخته شد . نتایج نشان میدهد که این مدل با میانگ ین مربع خطا (MSE) برابر با 0006 / 0 و ضریب همبستگی (R²) برابر با 97 / 0، عملکرد مناسبی در تخمین نیاز آبی زعفران در این منطقه دارد. علاوه بر این، این تحقیق به بررسی مزایای استفاده از مد لهای هوش مصنوعی در مدیریت منابع آب و بهبود برنامهریزی آبیاری پرداخته و نتایج آن م یتواند به بهینهسازی مصرف آب و افزایش تولید زعفران در نواحی خشک و نیمهخشک مانند شهرستان بیرجند کمک کند