>
Fa   |   Ar   |   En
   تخمین عملکرد گندم آبی با استفاده از روش الگوریتم ترکیبی شبکه های عصبی مصنوعی و الگوریتم ژنتیک  
   
نویسنده باریکلو علی ,علمداری پریسا ,مروج کامران ,ثروتی مسلم
منبع آب و خاك - 1396 - دوره : 31 - شماره : 3 - صفحه:715 -726
چکیده    از اهداف کشاورزی پایدار افزایش راندمان تولید محصولات کشاورزی با اعمال مدیریت های صحیح بوده و لازمه آن درک کامل تر روابط بین میزان تولید محصول با ویژگی های خاک و محیط می باشد. نخستین قدم یافتن روش های مناسبی است که توانایی تعیین روابط صحیح بین ویژگی‌های اراضی با مقدار عملکرد محصول باشد. هدف از این مطالعه بررسی کارایی مدل ترکیبی ژنتیکعصبی در برآورد عملکرد گندم آبی در غرب شهرستان هریس می باشد. منطقه مطالعاتی در شمال شرق تبریز واقع شده و رژیم حرارتی و رطوبتی خاک به ترتیب مزیک و اریدیک هم مرز با زریک می باشد. گندم، هندوانه و یونجه از مهم ترین محصولات زراعی منطقه است. بدین منظور تعداد 80 خاکرخ در مزارع گندم انتخاب و از هر افق ژنتیکی نمونه خاک اخذ و به آزمایشگاه منتقل و تجزیه های فیزیکی و شیمیایی روی نمونه ها صورت گرفت. جهت مدل سازی لایه های ورودی شامل ویژگی های شیمیایی، فیزیکی، زمین نما و خروجی عملکرد مشاهده شده گندم آبی می باشد. نتایج آنالیز حساسیت نشان داد که نیتروژن کل، فسفر قابل جذب، شیب، درصد سنگریزه، واکنش خاک و ماده آلی به عنوان ویژگی های اراضی مهم در عملکرد گندم در اراضی مورد مطالعه هستند. نیتروژن کل خاک به عنوان موثرترین ویژگی در کیفیت و کمیت عملکرد گندم بر اساس ماتریس همبستگی پیرسون ایجاد شده بین ویژگی ها و عمکرد می باشد. کارایی مدل ژنتیک عصبی با موفقیت برای تشریح رابطه بین عملکرد گندم و ویژگی های زودیافت صورت گرفت، به طوری که دارای ضریب تببین بالا (87/0) و میانگین انحراف مربعات خطا کم (5/473) بود. نهایتاً می توان نتیجه گرفت، مدل هیبریدی می تواند به عنوان یک ابزار قدرتمند در تخمین عملکرد گندم باشد.
کلیدواژه کشاورزی پایدار، مدلسازی، مدیریت، ویژگی های دیریافت و زودیافت
آدرس دانشگاه زنجان, دانشکده کشاورزی, گروه خاکشناسی, ایران, دانشگاه زنجان, دانشکده کشاورزی, گروه خاکشناسی, ایران, دانشگاه زنجان, دانشکده کشاورزی, گروه خاکشناسی, ایران, دانشگاه ارومیه, مرکز آموزش میاندواب, ایران
 
   Prediction of Irrigated Wheat Yield by using Hybrid Algorithm Methods of Artificial Neural Networks and Genetic Algorithm  
   
Authors Barikloo Ali ,Servati Moslem ,Alamdari Parisa ,Moravej kamran
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved