پیش بینی عملکرد و مراحل مختلف رشد گیاه گندم با استفاده از شبکه عصبی مصنوعی

افزایش روزافزون تقاضای محصولات کشاورزی و افزایش فشار بر منابع آب و خاک از یک سو و مشکلات دستیابی به دادههای میدانی از سوی دیگر، ضرورت استفاده از مدلهای مناسب برای پیشبینی عملکرد محصولات کشاورزی را نمایان میسازد. با پدید آمدن تکنیکهای آماری قوی و شبکههای عصبی، مدلهای پیش بینی کننده عملکرد محصولات زراعی به سرعت رو به توسعه است. بدین منظور پژوهشی با هدف پیشبینی عملکرد و مراحل مختلف رشد گندم با استفاده از مدل شبکه عصبی مصنوعی انجام گرفت. اعتباریابی مدلها با استفاده از آمار عملکرد و مراحل مختلف رشد و پارامترهای اقلیمی صورت پذیرفت . ارزیابی مدلها نیز با شاخصهای آماری ضریب تبیین)R² ،)جذر میانگین مربعات خطا نرمال شده)NRMSE )انجام شد . نتایج نشان دادکه شبکه عصبی مدل شماره 9 با داشتن 6 لایه پنهان، 15 نورون و ضریب تبیین 979/0 برای دوره رشد گیاه، برازش خوبی داشت. همچنین براساس شاخص آماری NRMSE در این مدل برابر با 8/4 برای دوره رشد، بالاترین دقت برای پیش بینی را داشت.

کلیدواژه ها:

شبیه سازی ، مدل ، دما ، بارش ، ضریب تبیین ، NRMSE