مقايسه روش‌‌هاي شبكه‌ عصبي مصنوعي و رگرسيوني در برآورد عملكرد چاي بر اساس ويژگي‌هاي خاكي

Comparison of Artificial Neural Network and Regression Models to Predict Tea Yield Based on Soil Properties

هدف از اين مطالعه مقايسه كارآيي روش‌هاي شبكه عصبي مصنوعي و رگرسيون چند متغيره به منظور تخمين عملكرد چاي بر اساس ويژگي‌هاي خاكي مي‌باشد. به اين منظور در باغي به وسعت حدود 30 هكتار در منطقه فومن استان گيلان، 70 نمونه خاك از عمق صفر تا 50 سانتي‌متر برداشت شد. به منظور تعيين متوسط عملكرد چاي، نمونه‌برداري از برگ سبز چاي به مركزيت محل‌هاي نمونه‌برداري خاك انجام شد. در نهايت مدل‌هاي رگرسيوني و شبكه عصبي مصنوعي بين ويژگي‌هاي خاك و عملكرد برقرار و سپس اعتبارسنجي شدند. نتايج مطالعه نشان داد كه مدل شبكه عصبي مصنوعي توانست حدود 79 درصد از تغييرات مكاني عملكرد و مدل رگرسيوني حدود 59 درصد از تغييرات عملكرد در منطقه مورد مطالعه را توجيه نمايد. نتايج آناليز حساسيت مدل شبكه عصبي نشان داد كه درصد رس، كربن آلي و pH خاك به عنوان مهم ترين پارامترهاي مؤثر بر پيش‌بيني توليد چاي در منطقه مورد مطالعه مي‌باشند. مدل شبكه عصبي با ME و RMSE به ترتيب 016/ 0 و 181 /0 از كارآيي بالاتري در تخمين عملكرد چاي نسبت به مدل رگرسيوني برخوردار است.