تحلیل داده های آب و خاک در برآورد عملکرد محصول در سامانه های آبیاری تحت فشار با استفاده از روش های داده کاوی (مطالعه موردی: محضول فندق - استان گیلان)

فندق یکی از محصولات کشاورزی ایران است که به صورت عمده در بازار جهانی صادر می شود. روش های داده کاوی به خوبی قادراند تا در زمینه مدلسازی عملکرد محصول اطلاعات لازم را در اختیار تولیدکنندگان قرار دهد. این تحقیق به بررسی کارآیی روش های داده کاوی شبکه عصبی مصنوعی پیشرو،K -نزدیک ترین همسایگی، درخت تصمیم CART و رگرسیون خطی چند متغیره در برآورد عملکرد محصول فندق در استان گیلان با استفاده از خصوصیات آب و خاک پرداخته است. داده های این پژوهش از اندازه گیری میدانی اطلاعات آب و خاک و عملکرد محصول فندق باغ های مجهز به سیستم آبیاری تحت فشار در سال ۱۴۰۰- ۱۴۰۱ به دست آمد. داده های آب و خاک شامل حداکثر تبخیر و تعرق روزانه، هدایت الکتریکی خاک و شاخص واکنش خاک، درصد رس، درصد سیلت، درصد شن ، هدایت الکتریکی آب و شاخص واکنش آب و حجم آبیاری به عنوان ورودی های مدل و عملکرد خروجی مدل انتخاب گردید. نتایج نشان داد که مدل شبکه عصبی مصنوعی پیشرو به دلیل آماره های ضریب همبستگی بیشتر (۹۸/۰) و ضریب نش-سانکلیف بیشتر (۹۶/۰) عملکرد بهتری نسبت به سه مدل دیگر دارد. همچنین درخت تصمیم CART دارای ضریب همبستگی (۹۳/۰)، ضریب نش-سانکلیف (۹۳/۰) و روشK -نزدیک ترین همسایگی دارای ضریب همبستگی (۹/۰)، ضریب نش-سانکلیف (۷/۰) و روش رگرسیون خطی چند متغیره دارای ضریب همبستگی (۶۷/۰)، ضریب نش-سانکلیف (۴۷/۰) بوده که حاکی از دقت بالاتر روش درخت تصمیم CART است. بنابراین، مدل شبکه عصبی مصنوعی پیشرو می تواند به عنوان یک ابزار قدرتمند در تخمین عملکرد فندق عمل نماید.

کلیدواژه ها:

رگرسیون خطی چند متغیره ، درخت تصمیم CART ، شبکه عصبی پیشرو ، -K نزدیک ترین همسایگی