سایر موضوعات مرتبط با زعفران
مهدی بشیری؛ علی ماروسی؛ امیر سالاری؛ محمد قدوسی
چکیده
پیشبینی عملکرد محصولات کشاورزی، نقش مهمی در برنامهریزی صادرات، واردات، خرید تضمینی، قیمتگذاری، سود مطمئن و افزایش بهرهوری کشاورزی دارد. عملکرد محصولات، تابع پارامترهای متعددی از جمله اقلیم است. در این تحقیق، عملکرد زعفران در استان خراسان رضوی توسط الگوریتمهای طبقهبندی شامل شبکههای عصبی مصنوعی، مدلهای رگرسیونی، ...
بیشتر
پیشبینی عملکرد محصولات کشاورزی، نقش مهمی در برنامهریزی صادرات، واردات، خرید تضمینی، قیمتگذاری، سود مطمئن و افزایش بهرهوری کشاورزی دارد. عملکرد محصولات، تابع پارامترهای متعددی از جمله اقلیم است. در این تحقیق، عملکرد زعفران در استان خراسان رضوی توسط الگوریتمهای طبقهبندی شامل شبکههای عصبی مصنوعی، مدلهای رگرسیونی، درخت خطی محلی، درخت تصمیم، آنالیز تشخیص، جنگل تصادفی، ماشین بردار پشتیبان و آنالیز نزدیکترین همسایه با استفاده از 11 پارامتر اقلیمی طی دوره 20 ساله زراعی (88-1368) ارزیابی شد. نتایج نشان داد که تعداد کمی از پارامترهای اقلیمی، بر عملکرد زعفران تأثیر دارند. پارامترهای دمای حداقل، میانگین و حداکثر و بارش به ترتیب بیشترین همبستگی مثبت و پارامترهای رطوبت مطلق حداکثر، رطوبت نسبی ساعت 6:30، ساعات آفتابی، رطوبت نسبی ساعت 18:30، تبخیر، رطوبت نسبی ساعت 12:30 و رطوبت مطلق حداقل نیز بهترتیب بیشترین همبستگی منفی را با مناطق کشت زعفران داشتند. همچنین در طبقهبندی مناطق کشت زعفران، آنالیز تشخیص و ماشین بردار پشتیبان، از دقت بالاتری برخوردار بودند. بین مناطق کشت زعفران و میزان عملکرد محصول همبستگی نسبتاً مناسبی با ضریب همبستگی 38/0 بهدست آمد. بین مناطق کشت و پارامترهای اقلیمی همبستگی بالایی برخوردار است و آنالیز نزدیکترین همسایه با ضرایب تعیین برابر ۱ و 94/0 در مراحل آموزش و آزمون، با دقت بالایی مناطق کشت را طبقهبندی نماید، اما در پیشبینی میزان عملکرد محصول بر اساس پارامترهای اقلیمی، دقت مدلها نسبتاً پایین بود (متوسط ضریب تعیین برابر 48/0 و 05/0 در مراحل آموزش و آزمون) و آنالیز نزدیکترین همسایه، بالاترین دقت پیشبینی را در مراحل آموزش و آزمون (به ترتیب ضریب تعیین برابر ۱ و 17/0) نشان داد. طبق یافتههای تحقیق، میتوان با استفاده از پارامترهای اقلیمی و الگوریتمهای دادهکاوی، بهطور مناسب اقدام به تفکیک مناطق کشت نمود و با شناسایی مناطقی که اقلیم آنها مشابه مناطق با میزان عملکرد بالا است، مناطق مستعد کشت زعفران را شناسایی نمود.
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.