پیش بینی عملکرد اسانس گیاه مرزه تابستانه (Satureja hortensis L) با استفاده شبکه عصبی مصنوعی

در این پژوهش از شبکه های عصبی مصنوعی (Artificial Neural Networks)، به عنوان ابزاری توانمند در مدل سازی فرآیندهای غیرخطی و نامعین ، به منظور پیش بینی عملکرد اسانس گیاه مرزه تابستانه با استفاده از داده های زودیافت خاک ، استفاده شد . بدین منظور از نرم افزار MATLAB و در شاخه Neural Network، برای پیش بینی و تجزیه وتحلیل عناصر اقلیمی کمک گرفته شد . ورودی مدل های ANN، داده های زودیافت خاک شامل EC, PH، درصد کربن آلی ، درصد ازت،فسفر و پتاسیم ودرصداجزای تشکیل دهنده بافت خاک است که این داده ها ، مناطق مختلف شهرستان نیشابور را دربرمی گیرد . شبکه مورد استفاده از نوع پرسپترون چندلایه (Multi-layer Perceptron) با الگوریتم پس انتشار خطا (Back Propagation) وتکنیک یادگیری مارکوارت لونبرگ (Train LM: Levenberg-Marquardt) است . نتایج حاصل از پژوهش حاضر نشان داد که در میان الگوهای مورد بررسی ، متغیر درصد فسفر و درصد شن در بافت خاک ، نقش مثبتی در پیش بینی عملکرد اسانس داشته است وقابلیت برآورد بسیار خوب در این مدل از شبکه عصبی نمایان است.

کلیدواژه ها:

شبکه عصبی مصنوعی ، اسانس ، مرزه تابستانه