پیش بینی عملکرد ذرت علوفه ای و تحلیل حساسیت پارامترهای مدیریتی با استفاده از مدل های شبکه عصبی مصنوعی

افزایش روزافزون تقاضای محصولات کشاورزی و کاهش دسترسی به منابع آب متعارف لزوم مدیریت صحیح منابع آب مصرفی در بخش کشاورزی را بیش از گذشته نمایان کرده است. از طرفی مشکلات اندازه گیری و دستیابی به داده های میدانی ضرورت به کارگیری مدل هایی کارآ که قادر به پیش بینی دقیق عملکرد محصولات و تحلیل حساسیت عملکرد نسبت به پارامترهای گوناگون باشند را روشن می سازد. لذا در این تحقیق اثرات پارامترهای مختلف بر میزان عملکرد ذرت علوفه ای در سطح کشور سنجیده شده و کارآیی مدل شبکه عصبی مصنوعی به منظور برآورد عملکرد محصول نیز مورد ارزیابی قرار گرفت. پارامترهای شوری آب آبیاری، شوری خاک، طول دوره رشد گیاه، میزان آب مصرفی و تعداد دفعات آبیاری مربوط به 104 مزرعه در 8 استان کشور که طی مطالعات میدانی گردآوری شده اند، به منظور توسعه مدل ها در شبکه عصبی مصنوعی مورد استفاده قرار گرفتند. همچنین با برآورد میزان آب مورد نیاز مزارع منتخب، عملکرد مورد انتظار با استفاده از مدل بهینه انتخاب شده، برآورد شده و با عملکرد اندازه گیری شده در مزارع مقایسه شد. نتایج نشان داد که مدل شبکه عصبی مصنوعی با دو لایه پنهان و ساختار نهایی 1-15-19-5 قادر است با دقت مطلوبی (0.85=R2) عملکرد محصول را برآورد کند. نتایج تحلیل حساسیت مدل بهینه انتخاب شده نشان داد که پارامترهای تعداد دفعات آبیاری و طول دوره رشد گیاه به ترتیب اثرگذارترین و کم اثرترین پارامترها بر عملکرد محصول ذرت علوفه-ای می باشند. همچنین نتایج مدلسازی نشان داد که بین عملکرد اندازه گیری شده در مزارع و عملکرد قابل انتظار شکافی وجود داشته و در صورت اعمال نیاز کامل آبیاری می توان عملکرد ذرت علوفه ای در مناطق مورد مطالعه را به طور متوسط به میزان 5/12 تن در هکتار افزایش داد.