ارزیابی کارایی مدل های شبکه عصبی مصنوعی در تخمین عملکرد محصول زعفران بر اساس پارامترهای اقلیمی

زعفران به عنوان با ارزش ترین محصول کشاورزی و دارویی جهان جایگاه ویژه ای در بین محصولات صنعتی و صادراتی ایران دارد. در حال حاضر ایران بزرگترین تولیدکننده و صادرکننده زعفران در جهان است، بطوریکه بیش از 7/93 درصد تولید جهانی این محصول گران بها به ایران اختصاص دارد، اما علیرغم قدمت کشت زعفران و ارزش افزوده این محصول در مقایسه با بسیاری از محصولات زراعی رایج در کشور سهم کمتری از فناوری های نوین را به آن اختصاص یافته و تولید آن عمدتا بر دانش بومی متکی بوده است. تحقیق حاضر با هدف توسعه و ارزیابی کارایی مدل شبکه عصبی مصنوعی در محاسبه عملکرد محصول گیاه زعفران بر اساس پارامتر های اقلیمی انجام گرفته است. کالیبراسیون و صحت سنجی مدل ها با استفاده از آمار عملکرد این محصول و عوامل اقلیمی طی سال های 68 - 1367 صورت پذیرفت. به منظور ارزیابی مدل ها از شاخص های آماری ضریب همبستگی، میانگین قدرمطلق خطا و میانگین مربعات خطا استفاده شد. شبکه عصبی پیشنهادی با ضریب همبستگی 95/0 میانگین قدر مطلق خطا 07/0 و میانگین مربعات خطا 2/0 از دقت مناسبی در تخمین عملکرد گیاه زعفران داشت. تحلیل حساسیت مدل ها نشان داد که عملکرد محصول بیشترین حساسیت را به عامل بارندگی سپس دما و در نهایت رطوبت دارد. به طور کلی، کاربرد شبکه عصبی انتخابی در این مقاله می-تواند زمینه ارتقای عملکرد محصول زعفران را در شرایط اقلیمی منطقه مورد مطالعه فراهم نماید.