ارزیابی قابلیت مدل های مبتنی بر داده کاوی در پیش بینی عملکرد گندم آبی در کشور

گندم و نان به عنوان اصلی ترین غذای مردم در کشور از اهمیت ویژه ای برخوردارند. گندم نه تنها یک کالای مهم تجاری در دنیا محسوب می شود، بلکه به عنوان سلاحی برتر در مناسبات سیاسی و جهانی روز به روز بر اهمیت استراتژیک آن افزوده می شود. از این رو تحلیل و پیش بینی وضعیت تولید این محصول همواره مورد توجه بوده است. در این تحقیق کارایی سه مدل شبکه عصبی مصنوعی، رگرسیون خطی چند متغیره و مدل درختی به منظور پیش بینی عملکرد گندم آبی در مناطق عمده تولید در سطح کشور، بر اساس اطلاعات میدانی ثبت شده 241 مزرعه، ارزیابی شد. نتایج تحقیق نشان داد ضریب تبیین مدل شبکه عصبی مصنوعی و مدل رگرسیون خطی چند متغیره به ترتیب برابر 672/0 و 577/0 بود که با اعمال گروه بندی داده ها به روش درختی ضریب تبیین مدل پیش بینی به 762/0 افزایش یافت. نتایج خروجی مدل درختی نشان داد مناطق عمده تولید گندم در سطح کشور از نظر حجم آب مصرفی، به 4 گروه مستقل قابل تفکیک است. نهایتا می توان نتیجه گرفت مدل درختی با اعمال گروه بندی هدفمند در داده های ورودی، می تواند به عنوان یک ابزار قدرتمند در تخمین عملکرد گندم آبی در قطب های عمده تولید گندم در سطح کشور مورد استفاده قرار گیرد.