%0 Journal Article %T مدل سازی ردپای آب گندم با استفاده از مدل‌های یادگیری ماشین در استان فارس %J اکوهیدرولوژی %I دانشکده علوم و فنون نوین دانشگاه تهران %Z 2423-6098 %A بادروج, فاطمه %A بذر افشان, ام البنین %D 2022 %\ 09/23/2022 %V 9 %N 3 %P 675-689 %! مدل سازی ردپای آب گندم با استفاده از مدل‌های یادگیری ماشین در استان فارس %K ردپای آب %K مناطق همگن %K گندم فاریاب %K مدل شبکۀ عصبی مصنوعی %K تابع لوگ لوجستیک %R 10.22059/ije.2022.346879.1670 %X 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 دورۀ 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 شبکۀ عصبی و دو کرنل لوگ لوجستیک و تانژانت هایپربولیک (50 ترکیب ورودی)، مدل جنگل تصادفی و رگرسیون بردار پشتیبان (تابع کرنل سیگموئید) 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 شبکۀ 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. %U https://ije.ut.ac.ir/article_90279_6b779ed5e220bf859425e5469a34d0e5.pdf