پیشبینی عملکرد گندم با دادههای بارش و شاخص نرمال شده تفاو ت پوشش گیاهی توسطالگوریت مهای یادگیری ماشین
محل انتشار: سیزدهمین کنگره بین المللی مهندسی عمران
سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 67
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCE13_540
تاریخ نمایه سازی: 23 آذر 1402
چکیده مقاله:
گندم یک محصول استراتژیک در دنیا است و تغییرات میزان تولید آن می تواند قیمت این محصول و مواد غذایی وابسته به آن را تحت تاثیر قرار دهد. بنابراین گندم نقش تعیین کننده ای در امنیت غذایی هر کشور دارد. در این پژوهش عملکرد گندم زمستانه از سال ۲۰۰۸ تا ۲۰۲۱ در ۵۳ شهرستان ایالت کنزاس در آمریکا مورد بررسی قرار گرفته است . برای پیش بینی عملکرد گندم از شاخص بارش استاندارد شده (SPI) در دو مقیاس یک و شش ماهه و شاخص نرمال شده تفاوت پوشش گیاهی (NDVI) به عنوان متغیرهای ورودی استفاده شده است . دو الگوریتم یادگیری ماشین غیرخطی به نام جنگل تصادفی و ماشین بردار پشتیبان برای انجام این پیش بینی به کار گرفته شدند. بررسی همبستگی بین متغیرهای ورودی با عملکرد گندم نشان داد که شاخص NDVIدر ماه می و شاخص SPI با مقیاس شش ماهه در ماه آوریل بیش ترین همبستگی را با عملکرد گندم دارند. عملکرد دو الگوریتم یادگیری ماشین تقریبا مشابه یکدیگر بوده و مقدار ضریب تعیین در هر دو مدل پیش بینی در حدود ۴.۰ بوده است .
کلیدواژه ها:
نویسندگان
سیدآرش خسروانی شریعتی
دانشجوی کارشناسی ارشد مهندسی عمران، دانشگاه فردوسی
علی عباسی
استادیار گروه مهندسی عمران، دانشگاه فردوسی مشهد