پیش بینی مقدار گل و کلاله زعفران براساس خصوصیات فیزیکی و شیمیایی آب و خاک با استفاده از مدل های رگرسیونی چند متغیره خطی و درخت تصمیم M۵
- سال انتشار: 1400
- محل انتشار: دوفصلنامه پژوهش های زعفران، دوره: 9، شماره: 2
- کد COI اختصاصی: JR_JSRB-9-2_011
- زبان مقاله: فارسی
- تعداد مشاهده: 127
نویسندگان
گروه علوم باغبانی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
گروه باغبانی دانشگاه منابع طبیعی و کشاورزی گرگان
گروه مهندسی آب، دانشگاه غلوم کشاورزی و منابع طبیعی گرگان
گروه علوم باغبانی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
گروه کشاورزی دانشگاه پیام نور سبزوار
چکیده
رشد مهیج علوم وفنون مختلف و پیچیدهتر شدن تصمیمگیریها در دهههای اخیر، سر فصلهای تازهای را برای بشریت رقم زده تا با استفاده از سیستمهای اطلاعاتی و هوش مصنوعی، با دقت و سرعت بیشتری کارهای خود را انجام داده و برای پیش بینی و محاسبات وقت گیر علمی و فنی خود راه کاری ارائه دهد. این تحقیق به منظور ارزیابی برآیند پیش بینی دو مدل رگرسیون گام به گام و مدل درخت تصمیم M۵ تحت تاثیر خصوصیات مختلف آب و خاک بر عملکرد گل و کلاله زعفران در سال۱۳۹۷ در مزارع زعفرانکاری سبزوار (واقع در طول جغرافیایی "۵۷.۴۳" عرض جغرافیایی "۳۶.۱۲") و در آزمایشگاه دانشکده تولیدگیاهی دانشگاه منابع طبیعی و کشاورزی گرگان انجام شد. در فروردین ماه پس از پایان فصل رشد زعفران از ۶۹ مزرعه زعفرانکاری شده نمونه خاک از عمق صفر تا ۳۰ سانتیمتری و ۱۲ نمونه آب آبیاری این مزارع تهیه و جمع آوری شده و جهت انجام آزمایشات خاک و اندازه گیری خصوصیات فیزیک و شیمیایی نمونه های خاک، ۱۳ پارامتر از جمله pH، اسیدیته، درصد اجزاء خاک، عناصر خاک و .... همچنین برخی از پارامترهای آب، ۴ پارامتر، مانند اسیدیته، بی کربنات و ....، به آزمایشگاه منتقل شد. گل ها در زمان ظهور گل از سطح مناطق مشخص شده مزارع جمع آوری شده و اندازه گیری های مورد نظر انجام شد. نتایج نشان داد با توجه به صرف وقت و هزینه های بالای آزمایشات آب و خاک، مدل درخت تصمیم M۵، از دقت و سرعت بیشتری و هزینه کمتری نسبت به مدل رگرسیون، برخوردار است. بطوری که در برآیند پیش بینی مدل رگرسیونی گام به گام، در ایده آلترین حالت و ورود تمامی پارامترهای اندازه گیری شده، وزن کلاله خشک و وزن گل به ترتیب با همبستگیهای ۷۰ و ۷۴ درصد و مقدار خطا برابر ۰.۲۳=RMSE و ۱۶.۳۸=RMSE پیشبینی شد. در حالی که مدل درخت تصمیم M۵ با وارد کردن پارامترهای کمتری از توانمندی بالایی در جهت پیشبینی وزن گل و وزن کلاله خشک برخوردار بود. به طوری که وزن کلاله خشک و وزن گل را با ۹۰ درصد همبستگی و مقدار خطای برابر با ۰.۱۲=RMSE و ۹.۴=RMSE در انتهای مدلسازی، برای منطقه مورد مطالعه برآورد کرد. بنابراین، روش درخت تصمیم M۵ در ارزیابی و پیش بینی عوامل مختلف بر عملکرد زعفران توصیه میشود.کلیدواژه ها
مدل سازی, هوش مصنوعی, عملکرد زعفران, عناصر خاکاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.