این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
اقتصاد کشاورزی و توسعه، جلد ۲۹، شماره ۴، صفحات ۲۰۵-۲۴۵
عنوان فارسی پیش بینی تقاضای آب در بخش کشاورزی استان های حاشیه دریای خزر: مقایسه الگوی مارکوف-سوئیچینگ و شبکه عصبی
چکیده فارسی مقاله 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.
کلیدواژه‌های فارسی مقاله پیش بینی تقاضای آب، بخش کشاورزی، مارکوف- سوئیچینگ، شبکه عصبی،
عنوان انگلیسی Prediction of Water Demand in the Agricultural Sector of the Caspian Littoral Provinces: Comparison of Markov-Switching and ANN Models
چکیده انگلیسی مقاله 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.
کلیدواژه‌های انگلیسی مقاله پیش بینی تقاضای آب, بخش کشاورزی, مارکوف- سوئیچینگ, شبکه عصبی
نویسندگان مقاله محمد خوش مو |
دانشجوی دکتری اقتصاد کشاورزی، دانشگاه آزاد اسلامی، واحد قائم‏شهر، قائم‏شهر، ایران.

مصطفی گودرزی |
نویسنده مسئول و استادیار گروه اقتصاد کشاورزی، دانشگاه آزاد اسلامی، واحد قائم‏شهر، قائم‏شهر، ایران.

قاسم نوروزی |
استادیار گروه اقتصاد کشاورزی، دانشگاه آزاد اسلامی، واحد قائم‏شهر، قائم‏شهر، ایران.

نشانی اینترنتی http://aead.agri-peri.ac.ir/article_126157_891e5dc228877b88b1edd8dd77331061.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات