چکیده:
در جهان امروز، مدیریت عرضه و تقاضای آب نقش محوری در ساماندهی و برنامه ریزی تأمین آب شرب ساکنان شهرها و روستاها و همچنین،تأمین منابع آب کشاورزان و صنعت گران دارد، به ویژه آنکه در وضعیت کنونی، تمام کشورهای جهان با تبعات تغییرات اقلیمی نیز مواجه اند. در این راستا، در پژوهش حاضر، به پیشبینی تقاضای آب بخش کشاورزی استان های حاشیه دریای خزر به روش زنجیره مارکوف- سوئیچینگ و مقایسه آن با مدل شبکه عصبی مصنوعی با بهرهگیری از دادههای فصلی دوره 1380:1 تا 1397:4 پرداخته شد. مقایسه کارآیی مدل های تقاضای آب برآوردشده به روش شبکه عصبی مصنوعی و چرخشی مارکوف با استفاده از معیارهای میانگین مربع خطا (MSE)، مجذور میانگین مربع خطا (RMSE)، میانگین قدرمطلق خطا (MAE)، و میانگین قدرمطلق درصد خطا (MAPE) نشان داد که رویکرد چرخشی مارکوف، نسبت به مدل های شبکه عصبی، برای پیشبینی تقاضای آّب،کارآیی بیشتری دارد. همچنین، پیشبینی تقاضای آب کشاورزی برای دو دوره فصلی و سالانه، به ترتیب،طی دورههای 1398:1 تا 1402:4 و 1398 تا 1402 صورت گرفت.
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.
خلاصه ماشینی:
در همين راستا، در مطالعۀ حاضر، براي يافتن بهترين مدل از ميان دو مدل مطرح در مطالعات اخير يعني، مدل مارکوف - سوئيچينگ ١ و شبکه عصبي مصنوعي ٢،از داده هاي فصليشده دوره ١٣٨٠:١ تا ١٣٩٧:٤ براي مدل سازي و پيش بيني تقاضاي آب کشاورزي سه استان نوار شمالي کشور (گيلان ، گلستان و مازندران )استفاده شده و سپس ، براي رسيدن به مدل جامع و کارآ، از معيارهاي بررسي کارآيي و آزمون هاي برازش بهره گيري شده است .
اگر در مدل اوليه مورد نظر، متغيرهاي توضيحي و متغير وابسته به صـورت تـأخيري در سـمت راست مدل ظاهر شوند، با توجه به اينکه ضرايب متغيرها نيز ميتوانند در رژيم هاي مختلـف ، متفـاوت 213 باشند، در اين صـورت ، بـا پيـروي ازکلمنـتس و کرولزيـگ (٢٠٠٢ ,Clements and Krolzig) و کولوگني و مانرا(٢٠٠٩ ,Cologni and Manera)، ميتوان يک حالت تعميمي براي مدل هـاي چرخشي مارکوف خودتوضيح بـا متغيـر توضـيحي وقفـه دار ((ARX)p,q-MS)K() بـه صـورت رابطۀ زير تعريف کرد: =()+∑()−+⋯+∑()−+() (1) که در آن متغير وابسته ، متغير مستقل و عرض از مبدأ و جزء اخـلال مـدل اسـت ؛ و نيز به ترتيب ، وقفه هاي و .
227 جدول ٦- نتايج برآورد تقاضاي آب کشاورزي در استان مازندران به روش چرخشي مارکوف متغير وابسته : LAGRMZN (رجوع شود به تصویر صفحه) مأخذ: يافته هاي پژوهش 228 با عنايت به نتايج ، عرض از مبـدأ بـه همـراه وقفـه هـاي اول و دوم و ضـريب متغيـر دامـي فصول تابستان و زمستان در سطح معنيداري پنج درصد براي تمام رژيم ها معنيدار هسـتند، کـه به معني تأثيرگذار بودن فصول مختلف و تأثيرپذيري تقاضاي آب بخـش کشـاورزي از حـداقل دو سال پيش تر است .