ارزیابی مدل شبکه عصبی مصنوعی در پیش بینی عملکرد زعفران با استفاده از شاخص خشکسالی استاندارد شده در استان های خراسان جنوبی و خراسان رضوی

زعفران به عنوان با ارزش ترین محصول کشاورزی و دارویی جهان، جایگاه ویژهای در بین محصولات صنعتی و صادراتی ایران در تولیدو اشتغال دارد. در حال حاضر توجه به تولید زعفران در کشور به دلایل مختلف رو به افزایش است که از مهمترین دلایل آنمیتوان به جنبه های اقتصادی، جنبه های نوین دارویی، نیاز کم به آب و بالا بودن کارآیی و بهره وری آب در این گیاه اشاره نمود.پدیده طبیعی خشکسالی کشاورزی در سالهای اخیر خسارات زیادی در زمینه عملکرد زغفران به کشور وارد ساخته است که بایدتلاش کرد با استفاده از مدیریت منطقی، حتی الامکان خسارات ناشی از آن را کاهش داد. پایش خشکسالی و تاثیر آن بر عملکردزعفران یکی از روشهای موثر در کاهش اثرات این پدیده ی غیر قابل کنترل می باشد. همینطور پیش بینی عملکرد این محصولمی تواند در مسایل اجتماعی- اقتصادی و تولید و اشتغال بسیار موثر باشد. شبکه های عصبی مصنوعی (ANN) به عنوان ابزاری قویدر محاسبه معادلات پیچیده و تحلیل عددی با مناسب ترین تقریب، از جدیدترین ابزار پیش بینی عملکرد محصولات کشاورزی می باشد.این پژوهش به منظور سنجش توانایی تکنولوژی شبکه عصبی مصنوعی در پیش بینی عملکرد زعفران براساس شاخص خشکسالیSPI می باشد. داده های هواشناسی مورد استفاده شامل داده های 23 ساله بارش ماهانه و میانگین دمای ماهانه چهار ایستگاه سینوپتیک استان خراسان رضوی و چهار ایستگاه سینوپتیک خراسان جنوبی می باشد. نتایج به دست آمده از این پژوهش کارایی مدل چند لایه پرسپترن (MLP) شبکه عصبی، برای پیش بینی عملکرد محصول را نشان داد. در این مدل از دادههای ماهانه SPI و میانگین ماهانه دما به عنوان متغیرهای مستقل در پیش بینی عملکرد زعفران استفاده شد.

کلیدواژه ها:

زعفران ، خشکسالی ، بارش استاندارد شده ، شبکه عصبی مصنوعی ، مدل چندلایه پرسپترون