پیش بینی مقدار گل و کلاله زعفران براساس خصوصیات فیزیکی و شیمیایی آب و خاک با استفاده از مدل های رگرسیونی چند متغیره خطی و درخت تصمیم M5

رشد مهیج علوم وفنون مختلف و پیچیده تر شدن تصمیم گیری ها در دهه های اخیر، سر فصل های تازه ای را برای بشریت رقم زده تا با استفاده از سیستم های اطلاعاتی و هوش مصنوعی، با دقت و سرعت بیشتری کارهای خود را انجام داده و برای پیش بینی و محاسبات وقت گیر علمی و فنی خود راه کاری ارایه دهد. این تحقیق به منظور ارزیابی برآیند پیش بینی دو مدل رگرسیون گام به گام و مدل درخت تصمیم M5 تحت تاثیر خصوصیات مختلف آب و خاک بر عملکرد گل و کلاله زعفران در سال1397 در مزارع زعفران کاری سبزوار (واقع در طول جغرافیایی "57.43" عرض جغرافیایی "36.12") و در آزمایشگاه دانشکده تولیدگیاهی دانشگاه منابع طبیعی و کشاورزی گرگان انجام شد. در فروردین ماه پس از پایان فصل رشد زعفران از 69 مزرعه زعفران کاری شده نمونه خاک از عمق صفر تا 30 سانتی متری و 12 نمونه آب آبیاری این مزارع تهیه و جمع آوری شده و جهت انجام آزمایشات خاک و اندازه گیری خصوصیات فیزیک و شیمیایی نمونه های خاک، 13 پارامتر از جمله pH، اسیدیته، درصد اجزاء خاک، عناصر خاک و... همچنین برخی از پارامترهای آب، 4 پارامتر، مانند اسیدیته، بی کربنات و...، به آزمایشگاه منتقل شد. گل ها در زمان ظهور گل از سطح مناطق مشخص شده مزارع جمع آوری شده و اندازه گیری های مورد نظر انجام شد. نتایج نشان داد با توجه به صرف وقت و هزینه های بالای آزمایشات آب و خاک، مدل درخت تصمیم M5، از دقت و سرعت بیشتری و هزینه کمتری نسبت به مدل رگرسیون، برخوردار است. بطوری که در برآیند پیش بینی مدل رگرسیونی گام به گام، در ایده آل ترین حالت و ورود تمامی پارامترهای اندازه گیری شده، وزن کلاله خشک و وزن گل به ترتیب با همبستگی های 70 و 74 درصد و مقدار خطا برابر 0.23=RMSE و 16.38=RMSE پیش بینی شد. در حالی که مدل درخت تصمیم M5 با وارد کردن پارامترهای کمتری از توانمندی بالایی در جهت پیش بینی وزن گل و وزن کلاله خشک برخوردار بود. به طوری که وزن کلاله خشک و وزن گل را با 90 درصد همبستگی و مقدار خطای برابر با 0.12=RMSE و 9.4=RMSE در انتهای مدل سازی، برای منطقه مورد مطالعه برآورد کرد. بنابراین، روش درخت تصمیم M5 در ارزیابی و پیش بینی عوامل مختلف بر عملکرد زعفران توصیه می شود.