کاربرد هوش مصنوعی در پیش بینی و مدیریت منابع آب در شرایط تغییر اقلیم

این پژوهش با هدف توسعه یک چارچوب جامع و مبتنی بر هوش مصنوعی برای مدیریت بهینه منابع آب در حوضه های بزرگ، به مقابله با عدم قطعیت های هیدرولوژیکی و تعارضات تخصیص منابع پرداخته است. رویکرد پیشنهادی شامل دو بخش اصلی است: الف) مدل سازی پیش بینی سری های زمانی با استفاده از معماری پیشرفته Transformer برای دستیابی به دقت بالاتر در تخمین پارامترهای کلیدی، و ب) بهینه سازی تخصیص منابع با بهره گیری از الگوریتم NSGA-II برای یافتن جبهه پارتو که تعادلی بین اهداف متضاد (مانند تامین حداکثر نیاز آبی و کمینه سازی ریسک خشکسالی) برقرار سازد. عملکرد مدل پیش بینی با معیار RMSE=۴.۸۵ و NSE=۰.۹۱ تایید شد که برتری آن را نسبت به مدل های مرجع نشان می دهد. همچنین، نتایج بهینه سازی نشان داد که این چارچوب توانایی کاهش ۴۰ درصدی ریسک کمبود آب در شرایط شبیه سازی شده بحرانی را دارا می باشد. علاوه بر این، از ابزارهای قابلیت تفسیرپذیری (XAI) نظیر SHAP برای درک اهمیت متغیرهای ورودی استفاده شد که سهم عمده ای از تصمیم گیری را به بارش تجمعی فصل قبل نسبت داد. در نهایت، این پژوهش با ارائه یک رویکرد یکپارچه، راهکاری تحلیلی و شفاف برای افزایش تاب آوری مدیریت منابع آب در مواجهه با چالش های اقلیمی فراهم می آورد.

کلیدواژه ها:

مدیریت منابع آب ، یادگیری عمیق ، بهینه سازی چندهدفه ، جبهه پارتو ، قابلیت تفسیرپذیری هوش مصنوعی