کاربرد روشهای داده کاوی در تخمین عملکرد کیوی در باغات مجهز به آبیاری تحت فشار در استان گیلان

کیوی یکی از محصولات کشاورزی ایران است که به صورت عمده در بازار جهانی صادر می شود. روش های داده کاوی به خوبی قادراند تا در زمینه مدلسازی عملکرد محصول اطلاعات لازم را در اختیار تولیدکنندگان قرار دهد. این تحقیق به بررسی کارآیی روش های داده کاوی شبکه عصبی مصنوعی پیشرو،K -نزدیک ترین همسایگی، برنامه ریزی ژنتیک و رگرسیون خطی چند متغیره در برآورد عملکرد کیوی در استان گیلان با استفاده از خصوصیات آب و خاک پرداخته است. 74 سری داده از اندازه گیری میدانی اطلاعات آب و خاک و عملکرد محصول کیوی باغ های مجهز به سیستم آبیاری تحت فشار در سال 1400- 1401 به دست آمد. داده های آب و خاک شامل حداکثر تبخیر و تعرق روزانه، هدایت الکتریکی خاک و شاخص واکنش خاک، درصد رس، درصد سیلت، درصد ماده آلی خاک، هدایت الکتریکی آب و شاخص واکنش آب و حجم آبیاری به عنوان ورودی های مدل و میزان عملکرد محصول، خروجی مدل انتخاب گردید. نتایج نشان داد که مدل شبکه عصبی مصنوعی پیشرو به دلیل آماره های ضریب تبیین بیشتر (96/0) و جذر میانگین مربعات خطا کمتر (019/0) عملکرد بهتری نسبت به سه مدل دیگر دارد. همچنین برنامه ریزی ژنتیک دارای ضریب همبستگی (89/0)، جذر میانگین مربعات خطا (033/0) و روشK -نزدیک ترین همسایگی دارای ضریب همبستگی (88/0)، جذر میانگین مربعات خطا (059/0) و روش رگرسیون خطی چند متغیره دارای ضریب همبستگی (58/0) و جذر میانگین مربعات خطا (093/0) بوده که حاکی از دقت بالاتر روش برنامه ریزی ژنتیک است. بنابراین، مدل شبکه عصبی مصنوعی پیشرو می تواند به عنوان یک ابزار قدرتمند در تخمین عملکرد کیوی عمل نماید.