پیش‌بینی عملکرد جو دیم و آبی (Hordeum vulgare L.) با استفاده از رهیافت شبکه عصبی مصنوعی (مطالعه موردی: استان کرمانشاه)

• Main Authors: علیرضا باقری, ناصر سهرابی
• Format: Article
• Language: fas
• Published: Ferdowsi University of Mashhad 2018-09-01
• Series: بوم شناسی کشاورزی
• Subjects: عملکرد اقتصادی; عوامل اقلیمی; متغیرهای پیش‌گو; هوش مصنوعی
• Online Access: https://agry.um.ac.ir/article_36491_95272b12dd3ee8882e3202a55300502d.pdf

نظر به اهمیت پیش‌بینی تولید محصولات کشاورزی، آزمایشی با هدف برآورد عملکرد محصول جو دیم و آبی (Hordeum vulgare L.) با استفاده از رهیافت شبکه عصبی مصنوعی، در استان کرمانشاه به اجرا درآمد. داده‌های مربوط به عملکرد 25 ساله (1370 تا 1394) جو دیم و آبی در شهرستان‌های استان و همچنین داده‌های خام و استاندارد شده هواشناسی (مجموع بارندگی سالیانه، متوسط درجه حرارت سالیانه، متوسط رطوبت سالیانه، مجموع ساعات آفتابی، میانگین تبخیر سالیانه و تعداد روزهای یخبندان) متناظر با این سال‌ها به‌عنوان داده‌های ورودی شبکه مورد استفاده قرار گرفتند. برای یافتن بهترین شبکه، انواع مختلف شبکه عصبی برای تخمین عملکرد، آزمایش شد. ارزیابی مدل‌ها نیز با استفاده از شاخص‌های آماری ضریب همبستگی (R)، ضریب تعیین (R2)، میانگین مربعات خطا (MSE) و ریشه میانگین مربعات خطا (RMSE) انجام شد. نتایج نشان داد که بهترین شبکه برای جو دیم شبکه‌های عصبی مودولار ساخته شده از داده‌های استاندارد و خام و با قانون یادگیری Momentum دارای ضریب همبستگی به‌ترتیب 96/0 و 92/0 بود. این در حالی بود که دقت شبکه عصبی در مورد جو آبی به‌اندازه کشت دیم نبود (ضریب همبستگی برای داده‌های ورودی استاندارد و خام به‌ترتیب 72/0 و 78/0). مقایسه شاخص‌های MSE و RMSE بین مدل‌های ذکر شده نیز مؤید این امر بود. به‌نظر می‌رسد در جو آبی انجام عملیات مدیریت داشت مانند آبیاری از تأثیر عوامل اقلیمی بر روی عملکرد آن کاسته است. از سوی دیگر، حساسیت شبکه عصبی مربوط به کشت جو دیم نسبت به متغیرهای ورودی مدل بسیار بیشتر از کشت آبی بود که در نهایت دقت بیشتر شبکه را به همراه داشت.