مدل سازی عملکرد محصولات دیمی گندم، جو و یونجه با استفاده از رگرسیون بردار پشتیبان و برنامه ریزی ژنتیک
Publish place: The Journal of Water and Soil، Vol: 32، Issue: 2
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 146
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WASO-32-2_007
تاریخ نمایه سازی: 24 دی 1401
Abstract:
تغییر اقلیم، افزایش دمای جهانی، بحران آب و رشد جمعیت جهان موجب شده است که تامین غذای مردم دنیا تبدیل به یک چالش در بین پژوهشگران شود. برهمین اساس پیش بینی و شبیه سازی تولیدات گیاهی متناسب با شرایط آب و هوایی، امری ضروری است. در تحقیق حاضر، ارتباط عوامل اقلیمی و شاخص های خشکسالی با میزان تولید گیاهان گندم، جو و یونجه که به صورت دیم زیر کشت قرار گرفته اند، در سه منطقه در استان آذربایجان شرقی مورد مطالعه قرار گرفت. بدین منظور، برای هر یک از متغیرهای دما، بارندگی، تبخیر- تعرق و شاخص های خشکسالی SPI و RDI، بازه های زمانی سه تا نه ماهه در دوره زمانی ۱۳۸۳تا ۱۳۹۳ در نظر گرفته شد و با استفاده از روش های داده محور رگرسیون بردار پشتیبان (SVR) و برنامه ریزی ژنتیک (GP)، مقدار تولید سه گیاه مذکور پیش بینی گردید. علاوه بر این، دقت روش های مذکور در پیش بینی عملکرد محصولات کشت دیم، با استفاده از پارامترهای آماری جذر میانگین مربعات خطا (RMSE) و میانگین خطای مطلق (MAE) مورد بررسی قرار گرفت. نتایج نشان داد در شهر تبریز برای محصول یونجه روش GP با (kg ha-۱) ۱۷/۰RMSE=، در شهر مراغه برای محصول یونجه روش SVR با (kg ha-۱)۵۶/۰RMSE= و در شهر سراب برای محصول جو روش SVRبا (kg ha-۱) ۲۰/۰RMSE= پیش بینی های دقیق تری ارائه کرده اند. می توان بیان داشت استفاده از عوامل آب و هوایی و شاخص های خشکسالی در دوره ها ی زمانی پاییز- زمستان- بهار تاثیر بسزایی بر افزایش دقت روش های داده محور در پیش بینی عملکرد محصولات دیم دارد.
Keywords:
Authors
سولماز پناهی
دانش آموخته کارشناسی ارشد مهندسی آب، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
سعید صمدیان فرد
استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
امیرحسین ناظمی
استاد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :