عنوان مقاله :
پيش بيني تقاضاي آب در بخش كشاورزي استان هاي حاشيه درياي خزر: مقايسه الگوي ماركوف-سوئيچينگ و شبكه عصبي
عنوان به زبان ديگر :
Prediction of Water Demand in the Agricultural Sector of the Caspian Littoral Provinces: Comparison of Markov-Switching and ANN Models
پديد آورندگان :
خوش مو، محمد دانشگاه آزاد اسلامي واحد قائمشهر، قائمشهر، ايران , گودرزي، مصطفي دانشگاه آزاد اسلامي واحد قائمشهر، قائمشهر، ايران , نوروزي، قاسم دانشگاه آزاد اسلامي واحد قائمشهر، قائمشهر، ايران
كليدواژه :
پيش بيني تقاضاي آب , بخش كشاورزي , ماركوف- سوئيچينگ , شبكه عصبي
چكيده فارسي :
در جهان امروز، مديريت عرضه و تقاضاي آب نقش محوري در ساماندهي و برنامه ريزي تأمين آب شرب ساكنان شهرها و روستاها و همچنين،تأمين منابع آب كشاورزان و صنعت گران دارد، به ويژه آنكه در وضعيت كنوني، تمام كشورهاي جهان با تبعات تغييرات اقليمي نيز مواجه اند. در اين راستا، در پژوهش حاضر، به پيشبيني تقاضاي آب بخش كشاورزي استان هاي حاشيه درياي خزر به روش زنجيره ماركوف- سوئيچينگ و مقايسه آن با مدل شبكه عصبي مصنوعي با بهره‌گيري از داده‌هاي فصلي دوره 1380:1 تا 1397:4 پرداخته شد. مقايسه كارآيي مدل هاي تقاضاي آب برآوردشده به روش شبكه عصبي مصنوعي و چرخشي ماركوف با استفاده از معيارهاي ميانگين مربع خطا (MSE)، مجذور ميانگين مربع خطا (RMSE)، ميانگين قدرمطلق خطا (MAE)، و ميانگين قدرمطلق درصد خطا (MAPE) نشان داد كه رويكرد چرخشي ماركوف، نسبت به مدل هاي شبكه عصبي، براي پيشبيني تقاضاي آّب،كارآيي بيشتري دارد. همچنين، پيشبيني تقاضاي آب كشاورزي براي دو دوره فصلي و سالانه، به ترتيب،طي دورههاي 1398:1 تا 1402:4 و 1398 تا 1402 صورت گرفت.
چكيده لاتين :
In today's world, water supply and demand management plays a pivotal role in organizing and planning the drinking water supply of urban and rural residents as well as the water supply of farmers and industrialists, especially in the current situation which all countries are facing the consequences of climate change. Therefore, in this study, the water demand of the agricultural sector of the Caspian littoral provinces was predicted by Markov-Switching method and compared with the Artificial Neural Network model using seasonal data for the period 2001: 1 to 2018: 4. Comparing the efficiency of water demand models estimated by Markov-Switching and ANN methods using Mean Square Error (MSE), Root Mean Square Error (RMSE), Mean Absolute Error (MAE), and Mean Absolute Percentage Error (MAPE) Showed that Markov-Switching approach was more efficient than water ANN models for predicting water demand. In addition, the forecast of agricultural water demand for both seasonal and annual periods was made for the periods of 2019: 1 to 2023: 4 and 2019 to 2023, respectively.
عنوان نشريه :
اقتصاد كشاورزي و توسعه
