مقایسه مدل های رگرسیون چند متغیره خطی و شبکه های عصبی مصنوعی برای برآورد عملکرد گندم دیم در مناطقی از زاگرس مرکزی
- سال انتشار: 1395
- محل انتشار: نشریه زراعت دیم ایران، دوره: 5، شماره: 2
- کد COI اختصاصی: JR_IDAJ-5-2_001
- زبان مقاله: فارسی
- تعداد مشاهده: 94
نویسندگان
Agriculture and Natural Resources Research Center of Chaharmahal and Bakhtiari, Agricultural Research Education and Extension Organization (AREEO), Shahrekord, Iran
Department of Soil Science, Isfahan University of Technology, Isfahan, Iran
Department of Agronomy, Khorasgan branch, Islamic Azad University, Khorasgan, Iran
Department of Irrigation engenering,Gorgan University of Agriculture and Natural Resources, Gorgan, Iran
چکیده
با توجه به اهمیت گندم در تغذیه انسان و سطح زیر کشت وسیع این محصول به صورت دیم در ایران، این پژوهش با هدف ارزیابی کارایی مدلهای رگرسیون چند متغیره خطی و شبکههای عصبی مصنوعی برای پیشبینی عملکرد دانه و زیستتوده گندم دیم (رقم سرداری)، در یک بررسی دو ساله اجرا شد. در دو منطقه از زاگرس مرکزی، ۲۰۲ نقطه نمونهبرداری تحت کشت گندم دیم و در اجزای مختلف شیب شامل قله شیب، شانه شیب، شیب پشتی، پای شیب و انتهای شیب انتخاب شد. در زمان برداشت گندم، از این نقاط نمونه خاک و نمونه عملکرد گندم جمعآوری شد. ویژگیهای اولیه و ثانویه پستی و بلندی در هر نقطه، از مدلهای رقومی ارتفاع استخراج و از دادههای هواشناسی دو منطقه استفاده شد. ۵۴ خصوصیت مختلف خاک، پستی و بلندی، بارندگی و مدیریت به عنوان ورودیهای هر مدل و عملکرد دانه و زیستتوده گندم به عنوان خروجیهای هر دو مدل در نظر گرفته شد. ضرایب تبیین مدلهای شبکه عصبی مصنوعی و رگرسیون چند متغیره خطی به ترتیب برای پیشبینی عملکرد دانه برابر ۸۴ و ۱۵درصد و برای پیشبینی زیستتوده هوایی برابر ۷۶ و ۶ درصد بود. ریشه دوم میانگین مربعات خطای (RMSE) این مدلها نیز به ترتیب در پیشبینی عملکرد دانه برابر ۰۳۳/۰ و ۰۹۲/۰ و در پیشبینی زیستتوده برای شبکه عصبی مصنوعی و رگرسیون چند متغیره خطی به ترتیب برابر ۰۳۷/۰ و ۱۰۲/۰ بود. نتایج نشان از توانایی بهتر شبکه های عصبی مصنوعی نسبت به رگرسیون چند متغیره خطی در برآورد عملکرد دانه و زیستتوده گندم دیم در مناطق مورد مطالعه داشت.کلیدواژه ها
Artificial Neural Networks, multiple linear regressions, Zagros, Rainfed wheatاطلاعات 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.