کارائی شبکه های عصبی مصنوعی در برآورد محصولات گندم، جو و ذرت دانه ای

از اهداف کشاورزی دقیق بهبود راندمان برداشت محصولات با اعمال مدیریت صحیح می باشد که لازمه آن درک کامل تر روابط بین میزان تولید محصول با خصوصیات خاک و محیط می باشد. قدم اول و ضروری در این فرایند یافتن روش های مناسب است که قادر به تعیین روابط صحیح بین خصوصیات اندازه گیری شده خاک و محیط با میزان بازده محصول باشد. به منظور تعیین مناطق همگن از نظر خصوصیات خاک، اقلیم و توپوگرافی، پهنه بندی اکولوژی کشاورزی1 در منطقه مورد مطالعه صورت گرفت. مقدار تولید محصولات گندم، جو و ذرت دانه ای برای هر یک از پهنه ها تعیین شد. انواع روش های شبکه های عصبی مصنوعی به منظور ایجاد رابطه مناسب بین میزان بازده محصولات و خصوصیات اراضی آزمون و نهایتا بهترین شبکه عصبی به منظور برآورد میزان محصول با استفاده از پارامترهای آماری انتخاب گردید. لایه های ورودی شامل خصوصیات شیمیایی و فیزیکی خاک، اطلاعات اقلیمی و پستی بلندی هر یک از پهنه ها می باشد. از شبکه های عصبی چند لایه و آموزش با ناظر که از نوع شبکه های عصبی پیشخور با الگوریتم پس انتشار به منظور برآورد محصولات استفاده گردید. نتایج نشان داد که شبکه های عصبی مصنوعی به منظور برآورد میزان محصولات جو، گندم و ذرت با استفاده از خصوصیات اراضی کارایی خوبی دارند و شبکه های عصبی پیشخور با دو لایه مخفی کارآمدترین شبکه ها به منظور برآورد میزان محصولات بدست آمد.