عنوان	مدل سازی پتانسیل گونه های اکولوژیکی مرتع توسط الگوریتم های یادگیری ماشین
نوع پژوهش	پایان نامه
کلیدواژه‌ها	مرتع، Astragalus، Festuca، الگوریتم های پیشرفته یادگیری ماشینی، شبکه عصبی مصنوعی، قروه
چکیده	شناسایی زیستگاه گونه های اکولوژیکی مرتعی یکی از ضروریات در مدیریت مرتع و فرآیندهای اکوسیستمی است. هدف از این مطالعه ترسیم پتانسیل گونه‌های اکولوژیکی مرتع با مقایسه برخی از الگوریتم‌های پیشرفته یادگیری ماشینی شامل ماشین بردار پشتیبان (SVM)، شبکه عصبی مصنوعی (ANN)، بیز ساده (NB)، شبکه بیز (Bays Net) BN و درخت طبقه بندی و رگرسیون (CART) در مراتع شهرستان قروه استان کردستان، ایران است. در مجموع 185 گونه اکولوژیکی مرتعی (شامل Bromus tomentellus، Festuca ovina و Astragalus gossypinus ) با نسبت 80:20 به همراه 20 عامل شرطی سازی برای ساخت مدل و اعتبارسنجی استفاده شد. برای ارزیابی همبستگی بین فاکتورها و مهم ترین عوامل از آزمون چند خطی و تکنیک بخش ویژگی One-R به ترتیب استفاده شد. اعتبارسنجی مدل با استفاده از حساسیت، ویژگی، دقت، اندازه گیری F1، ضریب همبستگی متیوز (MCC)، کاپا، ریشه میانگین مربعات خطا (RMSE) و سطح زیر منحنی مشخصه عملکرد گیرنده (AUC) انجام شد. نتایج نشان داد که شاخص رطوبت توپوگرافی (TWI)، شیب شیب، ارتفاع، P و K پنج عامل اول مهم بودند. دقت پیش‌بینی مدل‌ها نشان داد که NB (AUC= 0.782) ) بیشترین ثبات و عملکرد و دقت پیش‌بینی بالا را در بین گونه‌ها در بافت مرتع مورد بررسی داشت و به دنبال آن0.763) SVM (AUC=، ANN (AUC=0.762) قرار گرفتند. مدل های CART (AUC=0.627)و BN (AUC=0.617). بنابراین، یک نقشه پتانسیل اکولوژیکی گونه های مرتعی معقول و قابل اعتماد می تواند به مدیران و سیاست گذاران مرتع در جهت مدیریت پایدار مرتع و اتخاذ یک سیستم چرای مناسب کمک کند.
پژوهشگران	بهرام قلی نژاد بداغ (استاد راهنما)، بهزاد شریفی پور (دانشجو)