ارزیابی عملکرد مدل رگرسیون درخت تصمیم در تخمین نیاز آبی زعفران

مطالعات نیاز آبی زعفران برای بهینه سازی استفاده از آب و افزایش پایداری این محصول با اهمیت اقتصادی، به ویژه در مناطق خشک که کمبود آب یک مشکل اساسی است، ضروری است. درک نیازهای آبی زعفران نه تنها از تولید کشاورزی حمایت می کند بلکه به بهبود شیوه های مدیریت آب در بستر تغییرات اقلیمی جهانی کمک می کند. پیشرفت های اخیر در هوش مصنوعی و یادگیری ماشین، راه های جدیدی برای شبیه سازی نیازهای آبی ارائه داده اند و دقت و قابلیت های پیش بینی بهتری را برای روش های کشاورزی پایدار فراهم کرده اند. هدف این مطالعه ارزیابی عملکرد رگرسیون درخت تصمیم در تخمین نیازهای آبی زعفران است. در این مطالعه، از داده های اقلیمی شامل بارش، دماهای حداقل و حداکثر، و رطوبت نسبی حداقل و حداکثر به عنوان ورودی و مقادیر نیاز آبی اندازه گیری شده زعفران، (ETc)، به عنوان متغیر هدف در نظر گرفته شد. دوره شبیه سازی شامل سال دوم کشت بود و داده ها به نسبت ۸۰% برای آموزش و ۲۰% برای آزمایش تقسیم شد تا اعتبار مدل به خوبی ارزیابی شود. به منظور بررسی عملکرد و دقت رگرسیون درخت تصمیم، آزمون های فنی مختلفی از جمله تحلیل violin و Scatter استفاده شد. نتایج به دست آمده، اثرگذاری قابل قبول درخت تصمیم را نشان داد به طوری که مقادیر RMSE در دوره آموزش و آزمایش به ترتیب ۱۴.۲ و ۳۶.۴ میلیمتر بدست آمد که نشاندهنده ظرفیت مدل در تخمین دقیق نیاز آبی زعفران است.

کلیدواژه ها:

نقطه شکست ، الیسیمتر ، هوش مصنوعی ، Overfitting