سید جواد سجادی - دانشکده کشاورزی و منابع طبیعی، دانشگاه گنبد کاووس
حسین صبوری - دانشکده کشاورزی و منابع طبیعی، دانشگاه گنبد کاووس

پیشبینی عملکرد محصولات کشاورزی نقش مهمی در تعیین سیاستگذاری غذایی ایفا میکند. در این پژوهش به بررسی چگونگی استفاده از سیستم استنتاج نروفازی (ANFIS) و شبکه عصبی مصنوعی MLP در پیش بینی میزان تولید محصولات غذایی پرداخته و کارایی آنها در پیشبینی عملکرد سویا در شرایط دیم مقایسه شده است . نتایج بدست آمده نشان داد ANFIS بکارگرفته شده با تابع عضویت از نوع constant در لایه خروجی و gaussmf در لایه ورودی با 21 قانون قادر به پیشبینی عملکرد گیاه زراعی سویا با مقدار RSME برابر با 102/170 میباشد. شبکه عصبی پرسپترون چند لایه (MLP) با الگوریتم آموزش پس انتشار لونبرگ مارکواردت - 2 (LM) با ساختار 1-6-23 دارای کمترین مقدار RMSE برابر با 198/424 میباشد. شبکه ANFIS بکارگرفته شده دارای مقدار RMSE کمتری نسبت به شبکه عصبی مورد استفاده می باشد.

سویا، سیستم استنتاج نروفازی (ANFIS) ، پیش بینی، شبکه عصبی مصنوعی