مدل سازی و بهینه کردن مقاومت روزنه ای زیتون در شرایط تنش شوری ناشی از کلرید سدیم با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

مقاومت روزنه ای نقش مهمی در تبادلات آبی گیاه و میزان فتوسنتز در شرایط تنش دارد و یکی از پارامتر های کلیدی در بسیاری از مدل های اکولوژیکی و بیولوژیکی است. در این پژوهش، مقادیر بهینه پارامترهای موثر بر مقاومت روزنه ای زیتون بر اساس دست یابی به حداکثر مقاومت روزنه ای تعیین شد. سطوح شوری (0، 25، 50 و 100 میلی مول در لیتر کلرید سدیم)، درصد عناصر برگ (کلر، سدیم، پتاسیم، کلسیم، فسفر، منیزیم)، نسبت K/Na، وزن تر برگ (mg)، سطح برگ (cm2)، میزان آب نسبی برگ (درصد) و نسبت سطح برگ (cm2/g) به عنوان پارامترهای موثر بر مقاومت روزنه ای زیتون در نظر گرفته شد. مقاومت روزنه ای با استفاده از مدل شبکه عصبی تابع پایه شعاعی (RBF) به صورت تابعی از متغیرهایی مدل شد که قبلا لیست شد. نتایج پیش بینی شده نشان داد که شبکه عصبی توانسته است عملکرد خوبی فراهم کند، زیرا نتایج پیش بینی شده مطابق نتایج اندازه گیری شده بودند. بیشترین درصد خطا بین داده های آزمایشگاهی و پیش بینی شده کمتر از 57/2 درصد و ضریب همبستگی بین آن ها 994/0 شد. همچنین، مقایسه آماری بین داده های آزمایشگاهی و پیش بینی شده نشان دهنده قابلیت اطمینان پیش بینی ها با مدل شبکه عصبی RBF بود. شبکه عصبی آموزش دیده به عنوان تابع هدف برای دست یابی به پارامترهای بهینه با استفاده از الگوریتم ژنتیک استفاده شد. به ترتیب مقادیر بهینه برای اولین تا آخرین پارامترها در 100، 15/0، 57/0، 78/0، 32/0، 06/0، 17/0، 29/1، 63/26، 03/5، 76/0 و 89/72 به دست آمد.