ارزيابي عملكرد روش‌هاي مدل‌سازي گروهي در شبيه‌سازي نياز آبي زعفران

مدل‌سازي گروهي به‌عنوان يك مقوله نوظهور در بسياري از رشته‌هاي مهندسي به‌خصوص زمينه‌هاي مختلف مهندسي آب در حال گسترش است. تخمين دقيق نياز آبي زعفران به عنوان محصول راهبردي شرق كشور يكي از مهم‌ترين اقدامات تأثيرگذار در برنامه‌ريزي منابع آب منطقه خواهد بود. از اين‌رو، اين پژوهش اقدام به بررسي عملكرد مدل‌سازي گروهي در بهبود مدل‌سازي نياز آبي زعفران در منطقه بيرجندِ استان خراسان جنوبي كرد. داده‌هاي واقعي نياز آبي زعفران در سال دوم كشت در گام نخست در محل آزمايشگاه لايسي‌متري دانشگاه بيرجند جمع‌آوري شد. مدل‌سازي نياز آبي زعفران با استفاده از داده‌هاي اقليمي و نياز آبي زعفران در بستر ماشين يادگيري درخت تصميم انجام شد. همچنين، از دو روش Boosting و Bagging جهت ارتقاي نتايج مدل درخت تصميم استفاده شد. به‌منظور كمي كردن اثر مدل‌سازي گروهي آزمون‌هاي مقايسه‌اي متعددي نظير شاخص‌هاي ارزيابي (RMSE و MAE)، مقايسه توزيع پراكنش داده‌ها (تحليل وايولين Violin assessment)، ارزيابي كم/بيش تخميني، مقايسه سري زماني و تحليل بهبود خطا استفاده شد. نتايج نشان داد كه علي‌رغم دقت و كارايي نسبي مدل درخت تصميم در شبيه‌سازي نياز آبي زعفران، امكان بهبود نتايج همچنان وجود دارد. همچنين، نتايج اثبات كرد كه مدل‌سازي گروهي ظرفيت بالقوه‌ي خوبي در زمينه ارتقاي نتايج دارد. به‌طوري‌كه يادگيري گروهي بانظارت (Boosting) دقت مدل درخت تصميم را بيش از 30 درصد بهبود بخشيد (كاهش قدر مطلق خطا از 36 ميلي‌متر به 23.65 ميلي‌متر) و اين موضوع عامل كاهش RMSE را از 0.44 ميلي‌متر به 0.07 ميلي‌متر شد. علاوه‌بر اين، نتايج آزمون‌هاي مقايسه‌اي تأييد كرد كه خروجي توليد شده توسط روش Boosting از كيفيت بسيار بهتري نسبت به خروجي مدل درخت تصميم و روش Bagging برخوردار است.