پیش بینی عملکرد زعفران با استفاده از داده های هواشناسی به وسیله شبکه عصبی مصنوعی در استان های خراسان رضوی و جنوبی

زعفران یکی از مهم ترین محصولات کشاورزی ایران به ویژه در استان های خراسان رضوی و جنوبی می باشد. پیش بینی عملکرد محصولات با استفاده از داده های موجود تاثیرات مهمی در مسایل اجتماعی- اقتصادی و تصمیم گیری های سیاسی در مقیاس منطقه ای دارد. اخیرا کاربرد شبکه های عصبی مصنوعی به عنوان ابزاری قوی که قادر به محاسبه معادلات پیچیده و تحلیل عددی با مناسب ترین تقریب می باشد در کشاورزی مرسوم شده است. این پژوهش به منظور سنجش توانایی تکنولوژی شبکه عصبی مصنوعی (ANN)برای پیش بینی عملکرد زعفران (Corcus sativus) براساس اطلاعات روزانه هواشناسی و داده های سالانه کشاورزی است. داده های هواشناسی مورد استفاده شامل داده های ۲۰ ساله ایستگاه های سینوپتیک استان و شامل تبخیر- تعرق، دما (حداکثر، حداقل)، میانگین رطوبت نسبی و بارندگی می-باشد. به این منظور ابتدا با بهره گیری از نرم افزار wingamma داده ها و پارامترهای موجود مورد تجزیه و تحلیل قرار گرفت و بهترین ترکیب های ورودی به مدل تعیین گردید. کارایی مدل چند لایه پرسپترن (MLP) شبکه عصبی، برای پیش بینی عملکرد محصول مورد ارزیابی قرار گرفت. مدل MLPبا استفاده از شاخص های آماری مقایسه شد. که در مدل MLPشبکه عصبی هنگامی که از داده های حداکثر دما، بارندگی، تبخیر و تعرق و رطوبت نسبی فصل پاییز و عملکرد سال قبل، به عنوان متغیرهای مستقل در پیش بینی عملکرد محصول استفاده شد (R۲=۰.۸۸۳۲ وRMSE = ۰.۶۸۹ kg.ha-۱ وMAE= ۰۵۶۰ kg.ha-۱) بیشترین کارایی بدست آمد.

کلیدواژه ها:

آزمون گاما ، هوش مصنوعی ، مدل چند لایه پرسپترون