مقایسه مدل های رگرسیون چند متغیره خطی و شبکه های عصبی مصنوعی برای برآورد عملکرد گندم دیم در مناطقی از زاگرس مرکزی
عنوان مقاله: مقایسه مدل های رگرسیون چند متغیره خطی و شبکه های عصبی مصنوعی برای برآورد عملکرد گندم دیم در مناطقی از زاگرس مرکزی
شناسه ملی مقاله: JR_IDAJ-5-2_001
منتشر شده در در سال 1395
شناسه ملی مقاله: JR_IDAJ-5-2_001
منتشر شده در در سال 1395
مشخصات نویسندگان مقاله:
عبدالمحمد محنت کش - Agriculture and Natural Resources Research Center of Chaharmahal and Bakhtiari, Agricultural Research Education and Extension Organization (AREEO), Shahrekord, Iran
شمس الله ایوبی - Department of Soil Science, Isfahan University of Technology, Isfahan, Iran
احمد جلالیان - Department of Agronomy, Khorasgan branch, Islamic Azad University, Khorasgan, Iran
امیر احمد دهقانی - Department of Irrigation engenering,Gorgan University of Agriculture and Natural Resources, Gorgan, Iran
خلاصه مقاله:
عبدالمحمد محنت کش - Agriculture and Natural Resources Research Center of Chaharmahal and Bakhtiari, Agricultural Research Education and Extension Organization (AREEO), Shahrekord, Iran
شمس الله ایوبی - Department of Soil Science, Isfahan University of Technology, Isfahan, Iran
احمد جلالیان - Department of Agronomy, Khorasgan branch, Islamic Azad University, Khorasgan, Iran
امیر احمد دهقانی - Department of Irrigation engenering,Gorgan University of Agriculture and Natural Resources, Gorgan, Iran
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.
کلمات کلیدی: Artificial Neural Networks, multiple linear regressions, Zagros, Rainfed wheat
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1855199/