پيش بيني عملكرد و مراحل مختلف رشد گياه گندم با استفاده از شبكه عصبي مصنوعي

افزايش روزافزون تقاضاي محصولات كشاورزي و افزايش فشار بر منابع آب و خاك از يك سو و مشكلات دستيابي به داده-هاي ميداني از سوي ديگر، ضرورت استفاده از مدل¬هاي مناسب براي پيش¬بيني عملكرد محصولات كشاورزي را نمايان مي-سازد. با پديد آمدن تكنيك¬هاي آماري قوي و شبكه¬هاي عصبي، مدل¬هاي پيش بيني كننده عملكرد محصولات زراعي به سرعت رو به توسعه است. بدين منظور پژوهشي با هدف پيش¬بيني عملكرد و مراحل مختلف رشد گندم با استفاده از مدل شبكه عصبي مصنوعي انجام گرفت. اعتباريابي مدل¬ها با استفاده از آمار عملكرد و مراحل مختلف رشد و پارامترهاي اقليمي صورت پذيرفت. ارزيابي مدل¬ها نيز با شاخص¬هاي آماري ضريب تبيين(R²)، جذر ميانگين مربعات خطا نرمال شده(NRMSE) انجام شد. نتايج نشان دادكه شبكه عصبي مدل شماره 9 با داشتن 6 لايه پنهان، 15 نورون و ضريب تبيين 979/0 براي دوره رشد گياه، برازش خوبي داشت. همچنين براساس شاخص¬ آماري NRMSE در اين مدل برابر با 8/4 براي دوره رشد، بالاترين دقت براي پيش¬بيني را داشت.