سایر موضوعات مرتبط با زعفران
سیبویه اقا محمدی؛ عباس خاشعی سیوکی؛ علی شهیدی؛ سیدرضا هاشمی
چکیده
تغییرات اقلیمی و پدیده‌هایی از جمله خشکسالی در میزان عملکرد محصولات کشاورزی موثر هستند. یکی از راهکارهای مقابله با این پدیده‌ها، جایگزینی مدیریت ریسک به جای مدیریت بحران است، بهطوریکه با ارزیابی ریسک، قبل از وقوع بحران، میزان خسارت‌ها به حداقل می‌رسد. در این پژوهش نیز در جهت کاهش خسارت‌های ناشی از خشکسالی بهعنوان پدیده‌ای ...
بیشتر
تغییرات اقلیمی و پدیده‌هایی از جمله خشکسالی در میزان عملکرد محصولات کشاورزی موثر هستند. یکی از راهکارهای مقابله با این پدیده‌ها، جایگزینی مدیریت ریسک به جای مدیریت بحران است، بهطوریکه با ارزیابی ریسک، قبل از وقوع بحران، میزان خسارت‌ها به حداقل می‌رسد. در این پژوهش نیز در جهت کاهش خسارت‌های ناشی از خشکسالی بهعنوان پدیده‌ای طبیعی و غیر قابل کنترل، بر روی محصول زعفران، به ارزیابی ریسک خشکسالی با استفاده از روش شبیهسازی مونتکارلو پرداخته شد. شاخص خشکسالی بارش استاندارد شده (SPI) ماهانه و میانگین دمای ماهانه به عنوان متغیرهای مستقل در تابع توزیع عملکرد محاسبه می‌شود. با کمک روش فراابتکاری شبکه عصبی مصنوعی (ANN)، ارتباط بین متغیرهای مستقل (دما و SPI) و متغیر وابسته (عملکرد محصول زعفران) برقرار می‌شود. سپس داده‌‌ی تصادفی از متغیرهای مستقل ساخته می‌شود و با شبکه عصبی مصنوعی آموزش یافته، 2000 عملکرد شبیهسازی شده تولید می‌گردد. انتخاب یک ایستگاه مرجع و با استفاده از توزیع تجمعی به دست آمده، عامل ریسک محاسبه شد و با رسم نمودار عامل ریسک-عملکرد استاندارد، ریسک نسبی ایستگاه‌های مورد مطالعه بررسی شده است. نتایج بهدست آمده از این پژوهش نشان داد که بیشترین سال‌های مورد مطالعه در محدوده نرمال قراردارند و فراوانی خشکسالی در چهار ایستگاه خراسان جنوبی دو برابر ایستگاه‌های مورد مطالعه در خراسان رضوی می‌باشد. همینطور شبکه عصبی مصنوعی با ضریب همبستگی 85/0 توانست به خوبی عملکرد را پیشبینی نماید. در پایان بر اساس نتایج بهدست آمده از نمودار ریسک-عملکرد استاندارد، ایستگاه‌های قاین، بیشترین و نهبندان کمترین ریسک نسبی نسبت به ایستگاه مرجع (تربتحیدریه) را داشتند.
حسین ریاحی؛ عباس خاشعی؛ اکرم سیفی
چکیده
با توجه به حساسیت عملکرد زعفران و تأثیرپذیری آن از پارامترهای اقلیمی و خاصیت غیرخطی توابع عملکرد گیاهی، در این تحقیق پیشبینی و تحلیل عدم قطعیت مدل شبکه عصبی مصنوعی در تخمین عملکرد زعفران انجام شد. بردار ورودی مدل از بین 37 مؤلفه مختلف، بر اساس استراتژی همبستگی و تحلیل تورم واریانس بهینه‌سازی شد و مدل با معماری 1-2-4-11 با تابع فعال‌سازی ...
بیشتر
با توجه به حساسیت عملکرد زعفران و تأثیرپذیری آن از پارامترهای اقلیمی و خاصیت غیرخطی توابع عملکرد گیاهی، در این تحقیق پیشبینی و تحلیل عدم قطعیت مدل شبکه عصبی مصنوعی در تخمین عملکرد زعفران انجام شد. بردار ورودی مدل از بین 37 مؤلفه مختلف، بر اساس استراتژی همبستگی و تحلیل تورم واریانس بهینه‌سازی شد و مدل با معماری 1-2-4-11 با تابع فعال‌سازی سیگموئید در مراحل سهگانه آموزش و آزمایش و ارزیابی عملکرد برتری را نشان داد. مقادیر پارامترهای MAE و RMSE مدل شبکه عصبی مصنوعی در مرحله یادگیری برابر 3/0 و 5/0 و در مرحله آزمایش بهترتیب 7/0 و 1 حاصل شد. نتایج تحلیل عدم قطعیت مونتکارلو بر مبنای 1000 نمونهگیری بدون جایگذاری، بر اساس فاکتورهای d-factor, 95% PPU, R2 بیانگر پهنای باند اطمینان مطلوب پیشبینیها بود و الگوهای عمومی و کلی تغییرات عملکرد زعفران را به‌خوبی پیشبینی نمود. متوسط ضریب R2 مدل در مرحله آموزش و آزمایش بر اساس 1000 شبیهسازی مونتکارلو بهترتیب 92/0 و 58/0 بود که برای مدلهای عملکرد گیاهی مبتنی بر دادههای اقلیمی دارای معنیداری در سطح 1% است. با اینحال در شرایط حدی و مرزی، احتمال بروز وقایعی خارج از باند پیشبینی 95 درصد وجود داشته و لزوم توجه به شرایط مدیریت تغذیه، کود، خاک و آب مزارع در مدلهای هوشمند پیشبینی عملکرد را نشان میدهد. بر اساس نتایج پژوهش حاضر برنامهریزان بهجای مواجهه با یک رقم بهعنوان پیشبینی، ترکیب این رقم و باند اطمینان را در اختیار داشته و میتوانند تصمیمات واقعبینانهتری اتخاذ نمایند.
