ارزیابی روشهای شبکه‎ی عصبی مصنوعی و زمین آمار در برآورد توزیع مکانی عملکرد گندم دیم و آبی (مطالعه‎ی موردی: خراسان رضوی)

Abstract

پژوهش حاضر با هدف پیش‌بینی میزان عملکرد گندم آبی و دیم با روش‌های زمین‌آمار کریجینگ و شبکه‎ی عصبی مصنوعی در سطح استان خراسان رضوی انجام گرفت. بدین منظور نخست مشخّصات طول و عرض جغرافیایی هفده شهرستان مورد مطالعه، به‌عنوان ورودی‌های هر دو روش تعریف شد. خروجی هر روش نیز مقدار عملکرد گندم آبی و دیم هر شهرستان بود. در بخش زمین‌آمار سه روش کریجینگ معمولی، کریجینگ ساده و کریجنگ عمومی و در بخش شبکه‎ی عصبی مصنوعی، ساختار پرسپترون سه‎لایه با الگوریتم پس‌انتشار خطا، مورد ارزیابی قرار گرفت. نتایج نشان دادند در بین روش‌های زمین‌آمار، روش کریجینگ ساده با نیم‎تغییرنمای دایره‎ای در پیش‌بینی عملکرد گندم آبی با مجذور میانگین مربّعات خطای نرمال 120/0 و روش کریجینگ معمولی با نیم‌تغییرنمای نمایی و مجذور میانگین مربّعات خطای نرمال 348/0 در پیش‌بینی عملکرد گندم دیم مناسب بود. مقایسه‎ی نتایج زمین‌آمار و شبکه‎ی عصبی مصنوعی بیانگر توانایی بالای شبکه‎ی عصبی در مقابل روش زمین‌آمار کریجینگ بود، به‎طوری‌که در شبکه‎ی عصبی مصنوعی عملکرد گندم دیم و آبی به‌ترتیب با 46 و 42 درصد خطای کمتر نسبت به‌روش زمین‌آمار برآورد شد. همچنین محاسبه‎ی شاخص ویلموت نشان داد دقّت شبکه‎ی عصبی در پیش‌بینی عملکرد گندم دیم، 81 درصد و در گندم آبی 65 درصد بود. در حالی‌که شاخص ویلموت برای پیش‌بینی عملکرد گندم دیم و آبی به‌روش زمین‌آمار، به‌ترتیب 53 درصد و 50 درصد به‌دست آمد. درمجموع می‌توان چنین نتیجه گرفت که روش شبکه‎ی عصبی مصنوعی با تلفیق دو عامل طول و عرض جغرافیایی، قادر به پیش‌بینی عملکرد گندم آبی و دیم پیش از برداشت با دقّت مناسب است.