کاربرد شبکه عصبی مصنوعی و رگرسیون لجستیک در پیش‌بینی حضور علف‌های‌هرز در مزارع نخود دیم استان کردستان

Abstract

به منظور مقایسه توانایی مدل‌های شبکه عصبی مصنوعی با رگرسیون لجستیک در پیش بینی حضور علف‌های‌هرز، آزمایشی در 33 مزرعه نخود دیم استان کردستان در سال زراعی 92-1391 انجام شد. برای این منظور، اطلاعات اقلیمی و خاکی به عنوان متغیرهای مستقل و حضور و عدم حضور علف‌های‌هرز غالب به عنوان متغیرهای وابسته در مدل‌های رگرسیون لجستیک و شبکه عصبی مصنوعی استفاده شدند. در این تحقیق از شبکه پرسپترون چندلایه با نه نرون در لایه ورودی، یک و دو لایه پنهان با تعداد نرون مختلف و دو نرون در لایه خروجی استفاه شد. علف‌هرز بی تی راخ (<em>Galium aparine</em> L.) و پیچک صحرایی (<em>Convolvulus arvensis</em> L.) با بیشترین شاخص فراوانی، علف‌های‌هرز غالب مزارع نخود بودند. نتایج نشاه داد که رگرسیون لجستیک نتوانست بین متغیرهای مستقل و حضور علف‌هرز بی تی راخ معادله ای را برازش دهد. در حالی که شبکه عصبی مصنوعی قادر بود برای هر دو علف‌هرز بی تی راخ و پیچک صحرایی در هر دو مرحله نمونه برداری، مدل مناسبی را برازش دهد. بطور کلی شبکه‌های عصبی مصنوعی با کارایی بالا در مقایسه با روش رگرسیون لجستیک، برای پیش‌بینی حضور علف‌های‌هرز در مزارع نخود دیم استان کردستان، مناسب تر بوده و کاربرد آن برای این منظور قابل توصیه می‌باشد.