شبیه سازی اثر باکتری های محرک رشد بر ذرت با استفاده از شبکه عصبی مصنوعی

مطالعات بسیاری در زمینه شناخت عوامل موثر بر میزان رشد و نمو گیاهان زراعی از جمله گیاه ذرت صورت گرفته است با توجه به جایگاه ویژه ذرت، تعیین اثر این عوامل از اهمیت بالایی برخوردار است از آن جائیکه بررسی این مطالعات در مزارع و آزمایشگاه ها بسیار زمان بر و پرهزینه می باشد استفاده از شبکه عصبی مصنوعی به عنوان یک روش سریع و غیرمخرب برای شبیه سازی عوامل تاثیرگذار بر محصولات کشاورزی و پیش بینی نتایج تجربی حائز اهمیت است، هدف از این تحقیق ارزیابی قابلیت پیش بینی اثر باکتری های محرک رشد بر عملکرد ذرت علوفه ای با استفاده از شبکه عصبی مصنوعی بوده که پس از کسب اطلاعات مورد نیاز از مطالعات تجربی، هر کدام از پارامترهای ورودی و خروجی شامل متغیر مستقل (اثر باکتری های محرک رشد و عوامل تاثیرگذار) و متغیر وابسته (عملکرد علوفه در هکتار) داده سازی شد سپس شبکه عصبی نوع پرسپترون چند لایه (MLP) با تابع تبدیل سیگموئید در تعداد نورون های 5، 10، 15، 20، 25 در لایه مخفی طراحی گردید. نتایج نشان داد شبکه (MLP) با الگوریتم آموزشی پس انتشار خطا با ضریب همبستگی (R=0/999) و میانگین مربعات خطای (MSE= 0/000113) با تعداد 10 نورون در لایه مخفی به عنوان مدل مطلوب قادر به پیش بینی عملکرد علوفه ذرت تحت تاثیر باکتری های محرک رشد بود، همچنین در نتایج شبیه سازی با پارامترهای ورودی جدید، اختلاف بسیار اندکی بین مقادیر خروجی واقعی و خروجی پیش بینی شده مشاهده گردید. بنابراین شبکه عصبی مصنوعی در این پژوهش به خوبی توانست اثر باکتری های محرک رشد بر ذرت را تخمین و برآورد کند و می توان از شبکه عصبی حاصل برای پیش بینی سایر عوامل تاثیرگذار استفاده نمود.