ارزیابی قابلیت مدل‌های مبتنی بر داده کاوی در پیش‌بینی عملکرد گندم آبی در کشور

• Main Authors: افشین یوسف گمرکچی, جواد باغانی, فریبرز عباسی
• Format: Article
• Language: fas
• Published: Ferdowsi University of Mashhad 2021-06-01
• Series: مجله آب و خاک
• Subjects: حجم آب مصرفی; داده‌کاوی; گروه‌بندی; مدل‌سازی
• Online Access: https://jsw.um.ac.ir/article_39609_c51dac09a5b87b566c9eb73680ed0479.pdf
• ISSN: 2008-4757; 2423-396X

گندم و نان به‌عنوان اصلی‌ترین غذای مردم در کشور از اهمیت ویژه‌ای برخوردارند. گندم نه‌تنها یک کالای مهم تجاری در دنیا محسوب می‌شود، بلکه به‌عنوان سلاحی برتر در مناسبات سیاسی و جهانی روز به‌روز بر اهمیت استراتژیک آن افزوده می‌شود. از این رو تحلیل و پیش‌بینی وضعیت تولید این محصول همواره مورد توجه بوده است. در این تحقیق کارایی سه مدل شبکه عصبی مصنوعی، رگرسیون خطی چند متغیره و مدل درختی به‌منظور پیش‌بینی عملکرد گندم آبی در مناطق عمده تولید در سطح کشور، بر اساس اطلاعات میدانی ثبت شده 241 مزرعه، ارزیابی شد. نتایج تحقیق نشان داد ضریب تبیین مدل شبکه عصبی مصنوعی و مدل رگرسیون خطی چند متغیره به ترتیب برابر 672/0 و 577/0 بود که با اعمال گروه‌بندی داده­ها به روش درختی ضریب تبیین مدل پیش‌بینی به 762/0 افزایش یافت. نتایج خروجی مدل درختی نشان داد مناطق عمده تولید گندم در سطح کشور از نظر حجم آب مصرفی، به 4 گروه مستقل قابل تفکیک است. نهایتاً می­توان نتیجه گرفت مدل درختی با اعمال گروه‌بندی هدفمند در داده‌های ورودی، می‌تواند به‌عنوان یک ابزار قدرتمند در تخمین عملکرد گندم آبی در قطب­های عمده تولید گندم در سطح کشور مورد استفاده قرار گیرد.