پیش‌بینی عملکرد جو دیم و آبی (hordeum vulgare l.) با استفاده از رهیافت شبکه عصبی مصنوعی (مطالعه موردی: استان کرمانشاه)

نظر به اهمیت پیش‌بینی تولید محصولات کشاورزی، آزمایشی با هدف برآورد عملکرد محصول جو دیم و آبی (hordeum vulgare l.) با استفاده از رهیافت شبکه عصبی مصنوعی، در استان کرمانشاه به اجرا درآمد. داده‌های مربوط به عملکرد 25 ساله (1370 تا 1394) جو دیم و آبی در شهرستان‌های استان و همچنین داده‌های خام و استاندارد شده هواشناسی (مجموع بارندگی سالیانه، متوسط درجه حرارت سالیانه، متوسط رطوبت سالیانه، مجموع ساعات آفتابی، میانگین تبخیر سالیانه و تعداد روزهای یخبندان) متناظر با این سال‌ها به‌عنوان داده‌های ورودی شبکه مورد استفاده قرار گرفتند. برای یافتن بهترین شبکه، انواع مختلف شبکه عصبی برای تخمین عملکرد، آزمایش شد. ارزیابی مدل ها نیز با استفاده از شاخص های آماری ضریب همبستگی (r)، ضریب تعیین (r2)، میانگین مربعات خطا (mse) و ریشه میانگین مربعات خطا (rmse) انجام شد. نتایج نشان داد که بهترین شبکه برای جو دیم شبکه‌های عصبی مودولار ساخته شده از داده های استاندارد و خام و با قانون یادگیری momentum دارای ضریب همبستگی به ترتیب 0.96 و 0.92 بود. این در حالی بود که دقت شبکه عصبی در مورد جو آبی به‌اندازه کشت دیم نبود (ضریب همبستگی برای داده های ورودی استاندارد و خام به ترتیب 0.72 و 0.78). مقایسه شاخص‌های mse و rmse بین مدل‌های ذکر شده نیز موید این امر بود. به نظر می‌رسد در جو آبی انجام عملیات مدیریت داشت مانند آبیاری از تاثیر عوامل اقلیمی بر روی عملکرد آن کاسته است. از سوی دیگر، حساسیت شبکه عصبی مربوط به کشت جو دیم نسبت به متغیرهای ورودی مدل بسیار بیشتر از کشت آبی بود که در نهایت دقت بیشتر شبکه را به همراه داشت.