تخمین عملکرد کمی و کیفی نیشکر با استفاده از شبکه فازی- عصبی تطبیقی بهبود یافته با الگوریتم بهینه سازی ازدحام ذرات

متغیرهای مختلفی بر عملکرد مزارع نیشکر تاثیر گذارند. با بررسی این متغیرها و تعیین میزان اثر هر یک از آنها می توان به راهکارهایی به منظور افزایش بهره وری مزارع نیشکر دست یافت. امروزه استفاده از یافته های هوش مصنوعی و داده کاوی برای کمک به پیش بینی تولید محصول مورد توجه قرار گرفته است. هدف از این مقاله، معرفی روش هوشمند سیستم استنتاج فازی- عصبی تطبیقی و ترکیب این تکنیک با الگوریتم بهینه سازی ازدحام ذرات به منظور افزایش دقت و سرعت یادگیری سیستم فازی- عصبی در تخمین خصوصیات کمی و کیفی محصول نیشکر است. متغیرهای مدل شامل مجموعه ای از عوامل مدیریتی، خصوصیات خاک، آب و اقلیمی در منطقه مورد مطالعه است. در ابتدا، برای انتخاب ویژگی های بهینه از میان متغیرهای موجود در مساله از الگوریتم ژنتیک استفاده شد سپس از یک الگوی اصلی سیستم استنتاج فازی- عصبی تطبیقی و یک الگوی ترکیبی شبکه فازی- عصبی با الگوریتم ازدحام ذرات برای پیش بینی خصوصیات مورد مطالعه استفاده گردید. نتایج نشان داد که الگوی ترکیبی شبکه فازی- عصبی و الگوریتم ازدحام ذرات نسبت به الگوی اصلی سیستم فازی- عصبی صرف، به راه حل دقیق تر و قوی تر منجر شده است؛ این مدل به ترتیب با مقادیر اعشاری ضریب تعیین، ریشه میانگین مربعات خطا و میانگین درصد خطای مطلق 9237/0، 0181/0 و 0217/0 برای عملکرد نیشکر و نیز 9847/0، 0086/0 و 0138/0 برای درصد شکر استحصالی، توانایی مناسبی در پیش بینی و نگاشت غیرخطی میان متغیرهای مورد نظر داشته است.