پژوهش های مهندسی آب ایران

پژوهش های مهندسی آب ایران

تحلیل داده های آب و خاک در برآورد عملکرد محصول در سامانه‌های آبیاری تحت فشار با استفاده از روش‌های داده کاوی (مطالعه موردی: محضول فندق - استان گیلان)

نوع مقاله : مقاله پژوهشی

نویسندگان
معصومه یگانه 1
افشین اشرف زاده 2
فرزانه لطفی 3
1 گروه مهندسی آب،دانشکده کشاورزی،دانشگاه فردوسی مشهد،ایران
2 گروه مهندسی آب ، دانشکده کشاورزی، دانشگاه گیلان، رشت، ایران
3 گروه مهندسی آب، دانشکده کشاورزی، دانشگاه بین المللی قزوین، قزوین، ایران
10.22034/ijwer.2024.421858.1046
چکیده
فندق یکی از محصولات کشاورزی ایران است که به صورت عمده در بازار جهانی صادر می‌شود. روش‌های داده‌کاوی به خوبی قادراند تا در زمینه مدلسازی عملکرد محصول اطلاعات لازم را در اختیار تولیدکنندگان قرار دهد. این تحقیق به بررسی کارآیی روش‌های داده‌کاوی شبکه عصبی مصنوعی پیشرو،K -نزدیک‌ترین همسایگی، درخت تصمیم CART و رگرسیون خطی چند متغیره در برآورد عملکرد محصول فندق در استان گیلان با استفاده از خصوصیات آب و خاک پرداخته است. داده‌های این پژوهش از اندازه‌گیری میدانی اطلاعات آب و خاک و عملکرد محصول فندق باغ‌های مجهز به سیستم آبیاری تحت فشار در سال 1400- 1401 به دست آمد. داده‌های آب و خاک شامل حداکثر تبخیر و تعرق روزانه، هدایت الکتریکی خاک و شاخص واکنش خاک، درصد رس، درصد سیلت، درصد شن ، هدایت الکتریکی آب و شاخص واکنش آب و حجم آبیاری به عنوان ورودی‌های مدل و عملکرد خروجی مدل انتخاب گردید. نتایج نشان داد که مدل شبکه عصبی مصنوعی پیشرو به دلیل آماره‌های ضریب همبستگی بیشتر (98/0) و ضریب نش-سانکلیف بیشتر (96/0) عملکرد بهتری نسبت به سه مدل دیگر دارد. همچنین درخت تصمیم CART دارای ضریب همبستگی (93/0)، ضریب نش-سانکلیف (93/0) و روشK -نزدیک‌ترین همسایگی دارای ضریب همبستگی (9/0)، ضریب نش-سانکلیف (7/0) و روش رگرسیون خطی چند متغیره دارای ضریب همبستگی (67/0)، ضریب نش-سانکلیف (47/0) بوده که حاکی از دقت بالاتر روش درخت تصمیم CART است. بنابراین، مدل شبکه عصبی مصنوعی پیشرو می‌تواند به عنوان یک ابزار قدرتمند در تخمین عملکرد فندق عمل نماید.
کلیدواژه‌ها
رگرسیون خطی چند متغیره
درخت تصمیم CART
شبکه عصبی پیشرو
-K نزدیک‌ترین همسایگی
موضوعات