مقایسه مدل های رگرسیون چند متغیره خطی و شبکه های عصبی مصنوعی برای برآورد عملکرد گندم دیم در مناطقی از زاگرس مرکزی

با توجه به اهمیت گندم در تغذیه انسان و سطح زیر کشت وسیع این محصول به صورت دیم در ایران، این پژوهش با هدف ارزیابی کارایی مدل های رگرسیون چند متغیره خطی و شبکه های عصبی مصنوعی برای پیش بینی عملکرد دانه و زیست توده گندم دیم (رقم سرداری)، در یک بررسی دو ساله اجرا شد. در دو منطقه از زاگرس مرکزی، 202 نقطه نمونه برداری تحت کشت گندم دیم و در اجزای مختلف شیب شامل قله شیب، شانه شیب، شیب پشتی، پای شیب و انتهای شیب انتخاب شد. در زمان برداشت گندم، از این نقاط نمونه خاک و نمونه عملکرد گندم جمع آوری شد. ویژگی های اولیه و ثانویه پستی و بلندی در هر نقطه، از مدل های رقومی ارتفاع استخراج و از داده های هواشناسی دو منطقه استفاده شد. 54 خصوصیت مختلف خاک، پستی و بلندی، بارندگی و مدیریت به عنوان ورودی های هر مدل و عملکرد دانه و زیست توده گندم به عنوان خروجی های هر دو مدل در نظر گرفته شد. ضرایب تبیین مدل های شبکه عصبی مصنوعی و رگرسیون چند متغیره خطی به ترتیب برای پیش بینی عملکرد دانه برابر 84 و 15درصد و برای پیش بینی زیست توده هوایی برابر 76 و 6 درصد بود. ریشه دوم میانگین مربعات خطای (RMSE) این مدل ها نیز به ترتیب در پیش بینی عملکرد دانه برابر 033/0 و 092/0 و در پیش بینی زیست توده برای شبکه عصبی مصنوعی و رگرسیون چند متغیره خطی به ترتیب برابر 037/0 و 102/0 بود. نتایج نشان از توانایی بهتر شبکه های عصبی مصنوعی نسبت به رگرسیون چند متغیره خطی در برآورد عملکرد دانه و زیست توده گندم دیم در مناطق مورد مطالعه داشت.