کاربرد الگوریتم های هوش مصنوعی و یادگیری ماشین در پیش بینی و مدیریت نیاز آبی فضای سبز شهری بر اساس داده های هواشناسی

این پژوهش با هدف توسعه و ارزیابی یک چارچوب هوشمند برای پیش بینی و مدیریت نیاز آبی فضای سبز شهری بر پایه داده های هواشناسی انجام شد. با توجه به محدودیت منابع آب در اقلیم های خشک و نیمه خشک و ناکارآمدی آبیاری های تقویمی، از الگوریتم های یادگیری ماشین برای برآورد تبخیر و تعرق مرجع و تبدیل آن به برنامه آبیاری دقیق استفاده گردید. داده های روزانه دما، رطوبت نسبی، سرعت باد و ساعات آفتابی در چند سناریوی ورودی (از حالت داده کامل تا حداقل داده های در دسترس) پیش پردازش و نرمال سازی شدند و سپس سه مدل پرکاربرد شامل شبکه عصبی مصنوعی، ماشین بردار پشتیبان و جنگل تصادفی آموزش و با معیارهای ضریب تبیین، ریشه میانگین مربع خطا و میانگین خطای مطلق ارزیابی شدند. نتایج نشان داد مدل ماشین بردار پشتیبان در اغلب سناریوها دقت و پایداری بالاتری داشته و در شرایط کمبود داده نیز قابلیت تعمیم مناسبی ارائه می کند. همچنین تحلیل حساسیت بیانگر نقش غالب دمای بیشینه و سپس سرعت باد در تغییرات نیاز آبی بود. در نهایت، یک مسیر اجرایی برای ادغام خروجی مدل ها در سامانه های تصمیم یار شهرداری و دوقلوی دیجیتال شهری پیشنهاد شد تا آبیاری به صورت پویا، مقیاس پذیر و مبتنی بر شواهد تنظیم شود.

کلیدواژه ها:

مدیریت نیاز آبی ، فضای سبز شهری ، داده های هواشناسی ، یادگیری ماشین ، تبخیر و تعرق مرجع.