>
Fa   |   Ar   |   En
   پیش‌بینی مقدار گل و کلاله زعفران براساس خصوصیات فیزیکی و شیمیایی آب و خاک با استفاده از مدل‌های رگرسیونی چند متغیره خطی و درخت تصمیم m5  
   
نویسنده ریوندی مرتضی ,قاسم نژاد عظیم ,قربانی خلیل ,همتی خدایار ,ابهری عباس
منبع پژوهش هاي زعفران - 1400 - دوره : 9 - شماره : 2 - صفحه:352 -367
چکیده    رشد مهیج علوم وفنون مختلف و پیچیده تر شدن تصمیم گیری ها در دهه های اخیر، سر فصل های تازه ای را برای بشریت رقم زده تا با استفاده از سیستم های اطلاعاتی و هوش مصنوعی، با دقت و سرعت بیشتری کارهای خود را انجام داده و برای پیش‌بینی و محاسبات وقت‌گیر علمی و فنی خود راه‌کاری ارائه دهد. این تحقیق به منظور ارزیابی برآیند پیش‌بینی دو مدل رگرسیون گام به گام و مدل درخت تصمیم m5 تحت تاثیر خصوصیات مختلف آب و خاک بر عملکرد گل و کلاله زعفران در سال1397 در مزارع زعفران کاری سبزوار (واقع در طول جغرافیایی 57.43 عرض جغرافیایی 36.12) و در آزمایشگاه دانشکده تولیدگیاهی دانشگاه منابع طبیعی و کشاورزی گرگان انجام شد. در فروردین ماه پس از پایان فصل رشد زعفران از 69 مزرعه زعفران کاری شده نمونه خاک از عمق صفر تا 30 سانتی متری و 12 نمونه آب آبیاری این مزارع تهیه و جمع‌آوری شده و جهت انجام آزمایشات خاک و اندازه‌گیری خصوصیات فیزیک و شیمیایی نمونه‌های خاک، 13 پارامتر از جمله ph، اسیدیته، درصد اجزاء خاک، عناصر خاک و .... همچنین برخی از پارامترهای آب، 4 پارامتر، مانند اسیدیته، بی‌کربنات و ....، به آزمایشگاه منتقل شد. گل‌ها در زمان ظهور گل از سطح مناطق مشخص شده مزارع جمع‌آوری شده و اندازه‌گیری‌های مورد نظر انجام شد. نتایج نشان داد با توجه به صرف وقت و هزینه های بالای آزمایشات آب و خاک، مدل درخت تصمیم m5، از دقت و سرعت بیشتری و هزینه کمتری نسبت به مدل رگرسیون، برخوردار است. بطوری که در برآیند پیش‌بینی مدل رگرسیونی گام به گام، در ایده‌آل ترین حالت و ورود تمامی پارامترهای اندازه گیری شده، وزن کلاله خشک و وزن گل به ترتیب با همبستگی های 70 و 74 درصد و مقدار خطا برابر 0.23=rmse و 16.38=rmse پیش بینی شد. در حالی که مدل درخت تصمیم m5 با وارد کردن پارامترهای کمتری از توانمندی بالایی در جهت پیش بینی وزن گل و وزن کلاله خشک برخوردار بود. به‌طوری‌که وزن کلاله خشک و وزن گل را با 90 درصد همبستگی و مقدار خطای برابر با 0.12=rmse و 9.4=rmse در انتهای مدل سازی، برای منطقه مورد مطالعه برآورد کرد. بنابراین، روش درخت تصمیم m5 در ارزیابی و پیش‌بینی عوامل مختلف بر عملکرد زعفران توصیه می شود.
کلیدواژه مدل‌سازی، هوش مصنوعی، عملکرد زعفران، عناصر خاک
آدرس دانشگاه علوم کشاورزی و منابع طبیعی گرگان, ایران, دانشگاه منابع طبیعی و کشاورزی گرگان, گروه باغبانی, ایران, دانشگاه علوم کشاورزی و منابع طبیعی گرگان, گروه باغبانی, ایران, دانشگاه علوم کشاورزی و منابع طبیعی گرگان, گروه مهندسی آب, ایران, دانشگاه پیام نور مرکز تهران, گروه کشاورزی, ایران
 
     
   
Authors
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved