ساناز شکری - گروه آبیاری و زهکشی، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز ایر ان
عبدالرحیم هوشمند - گروه آبیاری و زهکشی، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران
منا گلابی - گروه آبیاری و زهکشی، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران
ناصر غالم زاده انصاری - دانشگاه شهید چمران
دن استرو - دانشگاه اوهایو

به منظور انجام شبیه سازی میزان عملکرد و بهره وری آب گیاه خیار(Cucumis sativus L.) آزمایشی در قالب طرح بلوک کاملا تصادفی با سه سطح آبیاری ۱۰۰، ۸۵ و ۷۵ درصد نیازآبی در دو فصل کشت طی سال های ۱۳۹۷ و  ۱۳۹۸ اجرا و از شبکه های عصبی پرسپترون (MLP) و روش ماشین بردار پشتیبان (SVM) استفاده گردید و در نهایت جهت انتخاب مدل مناسب و بهینه از شاخص های ضریب تبیین، میانگین مربعات خطا و میانگین مربعات خطای نرمال شده استفاده شد. میزان آب آبیاری،، تعداد برگ روی بوته، دما، میزان تبخیر و میزان رطوبت نسبی به عنوان داده های ورودی انتخاب شدند و به ترتیب ۶۰، ۲۰ و ۲۰ درصد کل داده ها، به ترتیب برای آموزش، اعتبارسنجی و آزمون مدل اختصاص یافت. نتایج نشان داد که شبکه عصبی MLP با ورودی های میزان آب آبیاری و تعداد برگ به ترتیب با داشتن ضریب تبیین ۹۲/۰ و ۸۶/۰ دقت بیشتری در شبیه سازی میزان عملکرد میوه و بهره وری آب مصرفی در گیاه خیار داشت. نتایج آنالیز حساسیت حاکی از آن بود که پارامتر ورودی آب آبیاری به ترتیب با ضریب حساسیت ۹/۰ و ۸۶/۰ مهمترین پارامتر موثر بر مدل بهره وری آب مصرفی و عملکرد میوه خیار می باشد.

پرسپترون, ماشین بردار پشتیبان, شبکه عصبی, آنالیز حساسیت, کم آبیاری