عملكرد مدل‌هاي شبكه‌ عصبي پرسپترون چندلايه و توابع با پايه شعاعي در برآورد ميزان محصول نيشكر

اهداف: با توجه به اهميت بالاي توليد پايدار محصولات كشاورزي در واحد‌هاي كشت و صنعت نيشكر، بايد از سيستم‌هاي هوشمند مانند شبكه‌هاي عصبي مصنوعي جهت مديريت واحد‌هاي مزرعه استفاده كرد. بدين منظور، هدف اصلي تحقيق، مقايسه عملكرد مدل‌هاي شبكه عصبي پرسپترون چندلايه و توابع پايه شعاعي به‌منظور مدل‌سازي و پيش‌بيني عملكرد نيشكر و بررسي عوامل موثر بر آن بود.   مواد و روش‌ها: اين تحقيق از نوع تحليلي بوده و پايگاه داده‌ها‌ي آن ماتريسي به ابعاد [1010 ×10] درايه بود. داده‌هاي مورد نياز اين تحقيق طي سال‌هاي زراعي 1395 تا 1398 از واحد كشت و صنعت نيشكر دعبل خزاعي به‌دست آمد. متغيرهاي ورودي مدل و واحدهاي آنان به‌ترتيب شامل ميزان هدايت الكتريكي خاك (دسي‌زيمنس بر متر)، مقدار كود شيميايي فسفات و نيتروژن (كيلوگرم بر هكتار)، مقدار آب مصرفي (مترمكعب بر هكتار)، همچنين، تعداد دفعات آبياري، ماه برداشت محصول،  سن گياه، واريته گياه، و بافت خاك (بدون ابعاد) بودند. متغير خروجي، ميزان عملكرد (تن بر هكتار) بود. تجزيه و تحليل توسط نرم‌افزار متلب 2017 انجام شد.   يافته‌ها: با مقايسه پارامترهاي خطاي ميانگين درصد خطاي مطلق و جذر ميانگين مربعات خطا و با توجه به شاخص‌هاي ضريب تبيين و بازده مدل، مدل توابع پايه شعاعي به‌ترتيب با داشتن 0.064494(درصد)، 0.037686، 0.7576 و 0.800409(بدون ابعاد) در مرحله اعتبارسنجي به عنوان مدل برتر انتخاب شد. همچنين، مدل توابع پايه شعاعي، متغيرهاي واريته گياه و ميزان هدايت الكتريكي خاك را مهم‌ترين عامل موثر بر ميزان عملكرد محصول نيشكر بيان كرد.   نتيجه‌گيري: با انتخاب واريته مناسب گياه نيشكر و كنترل ميزان هدايت الكتريكي خاك مي‌توان عملكرد در واحد سطح را افزايش داد و سبب بهره‌وري بيشتر از نهاده‌ها و توليد پايدارتري شد.