هیبرید شبکه عصبی مصنوعی با الگوریتم های فرااکتشافی در پیش بینی عملکرد نیشکر

در این پژوهش برای پیش بینی عملکرد نیشکر از شبکه عصبی مصنوعی مبتنی بر الگوریتم های فرااکتشافی به عنوان یک روش کارآمد که تخمین عملکرد محصول را بر اساس داده های واقعی به دست می آورد، استفاده شده است. به منظور پیش بینی عملکرد نیشکر از پارامترهای موثری نظیر مشخصات گیاه، هدایت الکتریکی آب و خاک، حداکثر درجه حرارت و میانگین ساعات آفتابی در طول دوره رشد محصول و در مقیاس زمانی هفت ساله استفاده گردید. بر همین اساس از چهار الگوی آموزشی در ساخت شبکه های عصبی استفاده شد که به ترتیب شامل شبکه عصبی مصنوعی مبتنی بر الگوریتم پس انتشار خطا، ترکیب شبکه عصبی با الگوریتم ژنتیک، ترکیب شبکه عصبی با الگوریتم ازدحام ذرات و در آخر رویکرد نوین ترکیب شبکه عصبی با الگوریتم مرکب ژنتیک- ازدحام ذرات بوده اند. نتایج بدست آمده از پژوهش، حاکی از آن است که استفاده از الگوریتم های فرااکتشافی سبب بهبود عملکرد شبکه عصبی شده و قدرت پیش بینی را به طور محسوسی افزایش داده است. مقادیر میانگین مربعات خطا و ضریب همبستگی برای روش ترکیبی شبکه عصبی، الگوریتم ژنتیک و الگوریتم ازدحام ذرات به ترتیب 00057/0 و 91457/0 برای داده های آزمایش بدست آمد که برتری این روش را نسبت به سایر الگوها نشان می دهد. علاوه بر این، اعتبارسنجی متقاطع مدل پیشنهادی به روش k نزدیک ترین همسایه نشان داد که صحت داده های آموزشی و آزمایشی به منظور پیش بینی عملکرد نیشکر به ترتیب برابر با 5/98 و 5/95 درصد بوده است.