Total annual litterfall predictor

في هذا المشروع، قمت بتحليل بيانات 967 ملاحظة بيئية للأشجار والغابات، وبنيت نماذج تنبؤية دقيقة لإجمالي سقوط الأوراق السنوي (Mg/ha/yr) باستخدام تقنيات التعلم الآلي (ML) في لغة R.

المهام التي تم تنفيذها تشمل:

تنظيف البيانات ومعالجة القيم المفقودة وإزالة الصفوف غير المكتملة.

التعامل مع القيم المتطرفة (outliers) وتحويل المتغيرات النوعية إلى رقمية.

إنشاء ميزات جديدة (Feature Engineering) مثل: حجم الشجرة، مؤشر الغطاء النباتي، ومؤشر المناخ.

تحليل العلاقات بين المتغيرات باستخدام المصفوفات الارتباطية والرسوم البيانية الاستكشافية.

بناء وتقييم عدة نماذج تعلم آلي:

الانحدار الخطي (Linear Regression)

شجرة القرار (Decision Tree)

الغابات العشوائية (Random Forest)

التعزيز التدريجي (Gradient Boosting Machine)

مقارنة أداء النماذج باستخدام RMSE، MAE، وR² وتحديد النموذج الأفضل للتنبؤ.

تحليل أهمية الميزات (Feature Importance) لمعرفة العوامل المؤثرة في سقوط الأوراق.

الأدوات المستخدمة: R, dplyr, ggplot2, corrplot, randomForest, gbm, rpart