مدل سازی تغییرات جمعیت سن گندم با متغیرهای محیطی به کمک شبکه عصبی مصنوعی و مقایسه آن با مدل رگرسیون خطی در شهرستان چادگان

این مطالعه به منظور پیش بینی تغییرات جمعیت سن گندم در مزرعه با استفاده از شبکه عصبی مصنوعی و رگرسیون خطی چند گانه انجام شد. داده های مربوط به نوسانات جمعیت سن گندم در مزرعه ای به مساحت یک هکتار در سال های 1394 و 1395 در شهرستان چادگان بدست آمد. در این مدل ها از متغیرهای تاریخ نمونه برداری، متوسط دما، میانگین رطوبت نسبی، سرعت باد، جهت باد، بارش به عنوان متغیرهای وروردی و تغییرات جمعیت سن مادر به عنوان متغیر خروجی استفاده شد. شبکه مورد استفاده از نوع پرسپترون چند لایه با الگوریتم پس انتشار خطا و روش یادگیری مارکوارت- لونبرگ بود. نتایج نشان داد بین این دو مدل، شبکه عصبی مصنوعی با ضریب تعیین 96/0 بهتر از رگرسیون با ضریب تعیین 40/0 تراکم جمعیت سن مادر را پیش بینی می کند. پس از انجام آنالیز حساسیت برای ساده تر شدن مدل و استخراج عوامل موثرتر، چهار عامل شماره روز سال، دما، رطوبت و سرعت باد انتخاب شدند. مدل شبکه عصبی بار دیگر با استفاده از این چهار عامل آموزش داده شد و مدلی با 11 لایه مخفی بهترین نتیجه را داد که ضریب تعیین مرحله آزمون مدل 97/0 بدست آمد که باز هم حاکی از دقت بالای آن نسبت به مدل رگرسیون خطی چند گانه با ضریب تعیین 43/0 بود.

کلیدواژه ها:

رگرسیون خطی چندگانه ، سن گندم ، شبکه عصبی مصنوعی ، عوامل اقلیمی