تعيين ميزان اثر عناصر اقليمي بر عملكرد گندم ديم در استان آذربايجان شرقي با استفاده از شبكه هاي عصبي هوشمند

تعيين ميزان اثر عناصر اقليمي بر عملكرد گندم ديم در استان آذربايجان شرقي با استفاده از شبكه هاي عصبي هوشمند

هدف اصلي پژوهش، يافتن مدل مناسب جهت پيش‌بيني عملكرد گندم ديم به‌كمك پارامترهاي آب و هوايي در استان مي‌باشد. جهت پيش‌بيني عملكرد گندم ديم از شبكه‌هاي عصبي استفاده شده است. ابتدا آمار عملكرد محصول گندم در طي دوره¬ي آماري 1382-1374 از بانك اطلاعات وزارت جهاد كشاورزي به تفكيك شهرستان تهيه و سپس آمار هواشناسي از ايستگاه‌هاي موجود در اين شهرستان¬ها براي دوره¬ي آماري مشابه از بانك اطلاعاتي سازمان هواشناسي كشور استخراج گرديد. 7 سال از آمار موجود جهت آموزش مدل و دو سال از آن جهت فايل تست در نظر گرفته شد. جهت اتخاذ بهترين مدل لازم بود كه بهترين ماتريس ورودي داده‌هاي هواشناسي مشخص شود. بدين‌منظور اولين ماتريس ورودي متشكل از 9 پارامتر هواشناسي اوليه كه در نهايت با محاسبه¬ي مقادير خطاي مدل، بهترين تركيب زماني حاصل شد كه در ماتريس ورودي پارامترهاي بارش، دما، تعداد روزهاي همراه با استرس سرما و گرما، تبخير، تعرق و تعداد روزهاي باراني گنجانده شده بود. نتايج نشان داد كه اولين عامل در تعيين عملكرد گندم ديم استان آذربايجان شرقي بالاترين نقش را دارا مي¬باشد. دومين پارامتر مؤثر در ميزان عملكرد گندم ديم مقدار تبخير و تعرق مي¬باشد. جهت ارزيابي دقت مدل بر اساس ميزان عملكرد پيش¬بيني شده شاخص ميزان تطابق (d) محاسبه گرديد كه نتايج نشان داد ميزان دقت مدل 82/. مي‌باشد.

The main objective of this study is finding a proper model for predicting the yield of dry farmed wheat with the use of climate parameters in the province. For predicting the yield of dry farmed wheat, neural networks have been used. Firstly, the yield data of wheat during statistical period of 1995-2003 from information bank of Ministry of Agriculture for each township was prepared separately and then meteorological statistics from the existing stations in these townships were extracted from information bank of Iran’s Meteorological organization for similar statistical period. 7 years of the existing statistic were considered for model training and two years were considered for the test file. To adopt the best model, it was required to determine the best input matrix of meteorology data. For this purpose, the first input matrix containing 9 initial meteorological parameters which finally through calculating the error amount of the model, the best composition was obtained when the parameters of precipitation, temperature, number of days with heat and cold stress, transpiration, evaporation and number of rainy days have been included in the input matrix. The results showed that, the first factor has the highest role in determining the yield of dry farm wheat in East Azarbaijan province. The second effective factor on the yield of dry wheat is the amount of evaporation and transpiration. To evaluate the accuracy of model based on the predicted yield, the index for compliance rate (d) was calculated, and the results showed that the accuracy rate is 0.82.