ارزیابی کارآیی مدلهای شبکه عصبی مصنوعی در برآورد عملکرد و بهره وری آب گندم بر اساس پارامترهای اقلیمی و آب - کود نیتروژن مصرفی

مدیریت آب و کود نیتروژن در تعامل با عامل های اقلیمی تاثیر زیادی بر عملکرد و بهره وری آب گندم دارد. تحقیق حاضر با هدف توسعه و ارزیابی کارآیی مدل شبکه عصبی مصنوعی در محاسبه عملکرد و بهره وری آب گندم بر اساس عامل های اقلیمی و آب - کود نیتروژن مصرفی انجام گرفت. کالیبراسیون و صحت سنجی مدل ها با استفاده از نتایج یک آزمایش مزرعه ای سه ساله صورت پذیرفت. به منظور ارزیابی مدل ها از شاخص های آماری ضریب تبیین، مجذور میانگین مربعات، میانگین خطای اریب و خطای استاندارد استفاده شد. نتایج تحقیق نشان داد که مدل های شبکه عصبی مصنوعی از دقت بیشتری در تخمین عملکرد و بهره وری آب گندم برخوردار هستند. مقایسه نتایج مدل های شبکه عصبی و رگرسیون غیرخطی نشان داد که مدل های شبکه عصبی دقت بیشتری دارند. تحلیل حساسیت مدل ها نشان داد که عملکرد و بهره وری آب گندم بیشترین حساسیت را به عامل مقدار آب مصرفی و پس از آن به کود نیتروژن مصرفی فصلی دارد. مقدار بیشینه و کمینه بهره وری آب گندم به ترتیب به ازای 272 و 490 میلی متر آب مصرفی فصلی و معادل 55/1 و 81/0 کیلوگرم بر متر مکعب محاسبه شد. کاربرد ساختارهای شبکه عصبی انتخابی می تواند زمینه ارتقای بهره وری آب این گیاه استراتژیک را در شرایط مختلف اقلیمی منطقه مورد مطالعه زمینه سازی کند و امکان بهره برداری منطقی و اقتصادی از منابع آب و کود نیتروژن و برنامه ریزی برای استفاده تلفیقی بهینه از این دو نهاده مهم را ممکن کند.