پيش بيني عملكرد ذرت علوفه اي و تحليل حساسيت پارامترهاي مديريتي با استفاده از مدل هاي شبكه عصبي مصنوعي

افزايش روزافزون تقاضاي محصولات كشاورزي و كاهش دسترسي به منابع آب متعارف لزوم مديريت صحيح منابع آب مصرفي در بخش كشاورزي را بيش از گذشته نمايان كرده است. از طرفي مشكلات اندازه گيري و دستيابي به داده هاي ميداني ضرورت به كارگيري مدل هايي كارآ كه قادر به پيش بيني دقيق عملكرد محصولات و تحليل حساسيت عملكرد نسبت به پارامترهاي گوناگون باشند را روشن مي سازد. لذا در اين تحقيق اثرات پارامترهاي مختلف بر ميزان عملكرد ذرت علوفه اي در سطح كشور سنجيده شده و كارآيي مدل شبكه عصبي مصنوعي به منظور برآورد عملكرد محصول نيز مورد ارزيابي قرار گرفت. پارامترهاي شوري آب آبياري، شوري خاك، طول دوره رشد گياه، ميزان آب مصرفي و تعداد دفعات آبياري مربوط به 104 مزرعه در 8 استان كشور كه طي مطالعات ميداني گردآوري شده اند، به منظور توسعه مدل ها در شبكه عصبي مصنوعي مورد استفاده قرار گرفتند. همچنين با برآورد ميزان آب مورد نياز مزارع منتخب، عملكرد مورد انتظار با استفاده از مدل بهينه انتخاب شده، برآورد شده و با عملكرد اندازه گيري شده در مزارع مقايسه شد. نتايج نشان داد كه مدل شبكه عصبي مصنوعي با دو لايه پنهان و ساختار نهايي 1-15-19-5 قادر است با دقت مطلوبي (0. 85=R2) عملكرد محصول را برآورد كند. نتايج تحليل حساسيت مدل بهينه انتخاب شده نشان داد كه پارامترهاي تعداد دفعات آبياري و طول دوره رشد گياه به ترتيب اثرگذارترين و كم اثرترين پارامترها بر عملكرد محصول ذرت علوفه-اي مي باشند. همچنين نتايج مدلسازي نشان داد كه بين عملكرد اندازه گيري شده در مزارع و عملكرد قابل انتظار شكافي وجود داشته و در صورت اعمال نياز كامل آبياري مي توان عملكرد ذرت علوفه اي در مناطق مورد مطالعه را به طور متوسط به ميزان 5/12 تن در هكتار افزايش داد.