مدل‌سازی ماهانه و تبیین عوامل مؤثر بر تقاضای آب کشاورزی در حوضه هیرمند با استفاده از شبکه‌های عصبی | ||
| مجله اکوهیدرولوژی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از 12 مهر 1405 | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ije.2026.422281.1937 | ||
| نویسندگان | ||
| زهرا غفاری مقدم* 1؛ علی سردارشهرکی2؛ عبدالحسیب عزیزی3؛ محمد رضا ضرابی4 | ||
| 1استادیارگروه اقتصاد کشاورزی، پژوهشکده کشاورزی، پژوهشگاه زابل، زابل، ایران | ||
| 2استاد گروه اقتصاد کشاورزی دانشگاه سیستان و بلوچستان | ||
| 3مرکز تحقیقات توسعه (ZEF)، دانشگاه بن ، بن، آلمان | ||
| 4گروه ریاضیات و کاربردها، دانشکده ریاضی و علوم کامپیوتر، دانشگاه دامغان، دامغان، ایران | ||
| چکیده | ||
| پیش‌بینی تقاضای آب کشاورزی در حوضه هیرمند، با توجه به اقلیم خشک، نوسانات جریان ورودی و وابستگی معیشت منطقه به کشاورزی، برای برنامه‌ریزی منابع آب اهمیت دارد. هدف پژوهش، مقایسه عملکرد مدل‌های شبکه عصبی شامل ANN، BP، LSTM وRNN و شناسایی عوامل مؤثر بر تقاضای آب کشاورزی در منطقه سیستان است. برای این منظور، از داده‌های تقاضای آب، متغیرهای اقلیمی و هیدرولوژیک، مساحت اراضی کشاورزی و مقادیر وقفه‌دار متغیرها در قالب مدل‌های تک‌متغیره و چندمتغیره استفاده شد. عملکرد مدل‌ها با شاخص‌های ارزیابی پیش‌بینی سنجیده و اهمیت نسبی متغیرها با روش SHAP بررسی شد. نتایج نشان داد که مدل چندمتغیره BP، با در نظر گرفتن هم‌زمان عوامل اقلیمی، هیدرولوژیک، سطح اراضی و وقفه‌های زمانی، توانایی مناسبی در بازنمایی رفتار غیرخطی تقاضای آب دارد. پیش‌بینی‌ها تا سال 2030 بیانگر افزایش 35/24 درصدی تقاضا در ابتدای دوره و باقی‌ماندن آن در سطحی بالاتر از مقدار پایه بود. همچنین، بیشترین تقاضا در ماه‌های فعال کشاورزی و دوره اوج مصرف پیش‌بینی شد. بر اساس تحلیل SHAP، حداکثر سرعت باد، مساحت اراضی، تبخیر و وقفه‌های تقاضا در مجموع 5/84 درصد از اهمیت نسبی متغیرها را تشکیل دادند. در مجموع، مدل BP چندمتغیره می‌تواند برای پشتیبانی از تصمیم‌گیری، تخصیص آب و شناسایی دوره‌های پرریسک به کار رود. | ||
| کلیدواژه‌ها | ||
| تقاضای آب کشاورزی؛ حوضه هیرمند؛ شبکه عصبی مصنوعی؛ پیش‌بینی تقاضا؛ تحلیل SHAP | ||
|
آمار تعداد مشاهده مقاله: 77 |
||