ارزيابي قابليت مدل‌هاي مبتني بر داده كاوي در پيش‌بيني عملكرد گندم آبي در كشور

گندم و نان به‌عنوان اصلي‌ترين غذاي مردم در كشور از اهميت ويژه‌اي برخوردارند. گندم نه‌تنها يك كالاي مهم تجاري در دنيا محسوب مي‌شود، بلكه به‌عنوان سلاحي برتر در مناسبات سياسي و جهاني روز به‌روز بر اهميت استراتژيك آن افزوده مي‌شود. از اين رو تحليل و پيش‌بيني وضعيت توليد اين محصول همواره مورد توجه بوده است. در اين تحقيق كارايي سه مدل شبكه عصبي مصنوعي، رگرسيون خطي چند متغيره و مدل درختي به‌منظور پيش‌بيني عملكرد گندم آبي در مناطق عمده توليد در سطح كشور، بر اساس اطلاعات ميداني ثبت شده 241 مزرعه، ارزيابي شد. نتايج تحقيق نشان داد ضريب تبيين مدل شبكه عصبي مصنوعي و مدل رگرسيون خطي چند متغيره به ترتيب برابر 0.672 و 0.577 بود كه با اعمال گروه‌بندي داده ها به روش درختي ضريب تبيين مدل پيش‌بيني به 0.762 افزايش يافت. نتايج خروجي مدل درختي نشان داد مناطق عمده توليد گندم در سطح كشور از نظر حجم آب مصرفي، به 4 گروه مستقل قابل تفكيك است. نهايتاً مي توان نتيجه گرفت مدل درختي با اعمال گروه‌بندي هدفمند در داده‌هاي ورودي، مي‌تواند به‌عنوان يك ابزار قدرتمند در تخمين عملكرد گندم آبي در قطب هاي عمده توليد گندم در سطح كشور مورد استفاده قرار گيرد.