پیشبینی عملکرد ذرت علوفهای با استفاده از شبکههای عصبی مصنوعی

افزایش روزافزون تقاضای محصولات کشاورزی و افزایش فشار بر منابع آب و خاک از یک سو ومشکلات دستیابی به دادههای میدانی از سوی دیگر، ضرورت استفاده از مدلهای مناسب برایپیشبینی عملکرد محصولات کشاورزی را نمایان میسازد. در این میان مدلهای کامپیوتری امکانبررسی استراتژیهای مختلف مدیریتی را فراهم آوردهاند. هدف اصلی این پژوهش تعیین حداقلپارامترهای ورودی مورد نیاز برای تعیین عملکرد ذرت علوفهای به کمک شبکههای عصبی مصنوعی ونیز کاربرد این نوع از شبکهها برای پیشبینی عملکرد ذرت علوفهای در سطوح مختلف آب و کود،0/ نیتروژنی میباشد. بدین منظور دادههای آزمایشی مزرعهای ذرت علوفهای در چهار سطح آبیاری 7و سه سطح کودی صفر، 150 و 200 کیلوگرم نیتروژن در (etc) 1 آب مورد نیاز گیاه / 1 و 13 ،0/85هکتار مورد استفاده قرار گرفت. نتایج نشان داد زمانیکه حداقل سه پارامتر آب آبیاری، کود نیتروژنی ودرجه روز رشد بهعنوان ورودی به مدل شبکه عصبی مصنوعی معرفی شوند این مدل قادر به پیشبینیعملکرد ماده خشک ذرت علوفهای با دقت بالایی میباشد. بهترین اعتبار سنجی این مدل، در گام دهم0 حاصل شد. همچنین نتایج آنالیز*حساسیت حاکی از آن / آموزش و با میانگین مربعات خطای 00329، مهمترین پارامتر موثر بر پیشبینی عملکرد ذرت / بود که درجه روز رشد با ضریب حساسیت 962 قرار میگیرد. افزودن / علوفهای میباشد و پس از آن میزان آب آبیاری با ضریب حساسیت 07 پارامترهای تشعشع خورشیدی و رطوبت نسبی متوسط به ورودیها سبب کاهش میزان میانگین مربعات خطا یا بهعبارتی افزایش دقت مدل در روند آموزش شبکه میشوند.