ارائه راهکار جدید به منظور ارتقای خدمات زیست محیطی با استفاده از یادگیری ماشین

تحولات اخیر در یادگیری ماشین ها قابلیت های مدل سازی داده ها (مسد) را گسترش داده است، که به هوش مصنوعی اجازه می دهد تا رفتار سیستم را با محاسبه و بهره برداری از همبستگی بین متغیرهای مشاهده شده درون آن، بیفزایند. الگوریتم های یادگیری ماشین از داده های روزافزون در دسترس استفاده کرده و امکان استفاده از مدل های خدمات اکوسیستم در مقیاس، تجزیه و تحلیل و پیش بینی جریان های این خدمات را به افراد ذیصلاح می دهند. ما از نرم افزار متلب برای تولید دو نمونه از مسد استفاده می کنیم. استفاده از هیزم وارزش تنوع زیستی در شمال کشور، مثال هیزم به ما نشان می دهد که مسد (دقت ۹۱%-۶۴ می تواند مناطقی را تعریف کند که استفاده از هیزم در مقیاس بالا با دقت قابل مقایسه با تکنیک های مدل سازی متعارف ۷۷%-۵۴ دقت است. مثال تنوع زیستی به نشان می دهد که چگونه مسد را می توان برای تصمیم گیرندگان قابل دسترس تر کرد، که هر دو ظرفیت و تمایل به تعامل با اطلاعات عدم اطمینان را نشان می دهد. برآورد نااطمینانی که به عنوان بخشی از روند مسد تولید می شود، به تصمیم گیرندگان اجازه می دهد تا تعیین کنند که چه میزان عدم اطمینان برای آنها قابل قبول است و از تخصص خود برای تصمیمات بالقوه متضاد استفاده کنند. ما نتیجه گرفتیم که نقش مسد در هنگام مدل سازی خدمات اکوسیستمی نقش مهمی ایفا می کند و به تولید مدل های بین رشته ای و راه حل های جامع برای پیچیدگی های اجتماعی و اکولوژیکی کمک می کند.

کلیدواژه ها:

هوش مصنوعی ، داده های بزرگ ، مدل سازی داده ها (مسد) ، دانش داده ، یادگیری ماشین ، نقشه براری ، مدل سازی