ارزيابی عملكرد روشهاي مدلسازي گروهی در شبيهسازي نياز آبی زعفران

مدلسازی گروهی بهعنوان يک مقوله نوظهور در بسياری از رشتههای مهندسی بهخصود زمينیههای مختلیف مهندسیی آب در حیال گستر است. تخمين دقيق نياز آبی زعفران به عنوان محصول راهبردی شرق كشور يکی از مهمترين اقیدامات تأثيرگیذار در برنامیهريزی منابع آب منطقه خواهد بود. از اينرو، اين پژوهش اقدام به بررسی عملکرد مدلسازی گروهی در بهبود مدلسازی نياز آبی زعفران در منطقه بيرجندِ استان خراسان جنوبی كرد. دادههای واقعی نياز آبی زعفران در سال دوم كشت در گیام نخسیت در محیل آزمايشیگاه اليسییمتری دانشگاه بيرجند جمعآوری شد. مدلسازی نياز آبی زعفران با استفاده از دادههای اقليمی و نياز آبی زعفران در بستر ماشين يیادگيری درخیت تصميم انجام شد. همچنين، از دو رو Boosting و Bagging جهت ارتقای نتايج مدل درخت تصميم استفاده شد. بهمنظور كمیی كیردن اثر مدلسازی گروهی آزمونهای مقايسهای متعددی نظير شاخصهای ارزيابی )RMSE و MAE)، مقايسه توزيع پراكنش دادههیا )تحليیل وايولين assessment Violin)، ارزيابی كم/بيش تخمينی، مقايسه سری زمانی و تحليل بهبود خطا استفاده شد.

نتايج نشان داد كه علیرغم دقت و كارايی نسبی مدل درخت تصميم در شبيهسازی نياز آبی زعفران، امکان بهبود نتايج همچنان وجود دارد. همچنين، نتايج اثبیات كیرد كه مدلسازی گروهی ظرفيت بالقوهی خوبی در زمينه ارتقای نتايج دارد. بهطوریكه يیادگيری گروهیی بانظیارت )Boosting )دقیت میدل درخت تصميم را بيش از 30 درصد بهبود بخشيد )كاهش قدر مطلق خطا از 36 ميلیمتر به 23/65 ميلیمتر( و اين موضیوع عامیل كیاهش RMSE را از 0/44 ميلیمتر به 0/07 ميلیمتر شد. عالوهبر اين، نتايج آزمونهای مقايسهای تأييد كرد كه خروجی توليد شیده توسیط رو Boosting از كيفيت بسيار بهتری نسبت به خروجی مدل درخت تصميم و رو Bagging برخوردار است.

Ensemble modelling is expanding in several areas of engineering, especially different aspects of water engineering. Accurate estimation of saffron water requirement (SWR), an essential strategic production of the agriculture sector, is a crucial and influencing act in local water planning of this region. Hence, this study aimed to check the applicability of ensemble modelling in enhancing SWR at Birjand, Southern Khorasan, Iran. The actual water requirement of saffron was recorded in the field lysimetric laboratory at the University of Birjand. The simulation of water requirement was conducted utilizing Decision Tree Regression (DTR) with input climate features. Additionally, Boosting and Bagging methods were employed to establish and enhance the ensemble process of soil water requirement (SWR) simulations.

To track the effectiveness of any method, some comparative tests were designed, such as statistical criteria (RMSE and MAE) detection, Violin plot analysis, over/underestimation, times series comparison, and error improvement test. Results indicated that although the acceptable performance of DTR in simulating SWR, the probable improvement was potentially felt. Derived results confirmed that supervised ensemble modelling (Boosting) could enhance the accuracy of DTR by more than 30 percent (reducing absolute error from 36 mm to 23.65 mm), resulting in declining RMSE from 0.44 mm to 0.07 mm. Further, different experiment outcomes revealed that the Boosting algorithm quality is more appealing than DTR and Bagging outputs.