مقالات آب و خاك (علوم و صنايع كشاورزي)

روش هاي متعددي به منظور پيش بيني فرايندهايي مانند تبخير و تعرق پديده ها وجود دارند که در اين ميان، روش هاي فراابتکاري ترکيبي (مدل سازي چندگانه) از قابليت بيش تري برخوردارند. در اين مطالعه از دو مدل فراابتکاري ترکيبي شامل تلفيق عصبي-ژنتيك و عصبي-فازي در کنار شبکه عصبي مصنوعي جهت پيش بيني نياز آبي گياه سير به عنوان گياهي با اهميت دارويي و ارزش غذايي بالا، استفاده گرديد. به اين منظور از اطلاعات هواشناسي دماي حداقل و حداکثر هوا، رطوبت نسبي حداقل و حداکثر هوا، ساعات آفتابي، سرعت باد و لايسيمتري گياه سير طي سال هاي 1387 و 1388 مستقر در ايستگاه هواشناسي دانشکده کشاورزي دانشگاه بوعلي سينا، براي مدل کردن روش هاي هوشمند استفاده شد. حداکثر مقدار تبخير و تعرق سير از لايسيمتر 11.22 ميلي متر و ميانگين دو ساله آن 4.79 ميلي متر در روز به دست آمد. نتايج مدل سازي تبخير و تعرق گياه سير نشان از برتري روش تلفيقي عصبي-ژنتيك در مقايسه با دو روش عصبي و عصبي-فازي داشت. به عبارت ديگر بهينه سازي شبکه عصبي مصنوعي موفق تر از منطق فازي بود به طوري که الگوريتم ژنتيک در ترکيب با شبکه عصبي توانست خطاي آزمون شبکه را نسبت به عصبي- فازي به ميزان 24 درصد کاهش دهد. اما ترکيب منطق فازي نه تنها سبب بهبود نتايج شبکه عصبي مصنوعي نشد، بلکه دقت پيش بيني را به ميزان 12 درصد کاهش داد.آماره ميانگين مجذور مربعات خطا در برآورد تبخير و تعرق گياه سير با مدل بهينه عصبي- ژنتيک برابر 0.12 ميلي متر در روز و مقدار ضريب تعيين آن 0.88 به دست آمد. معيارهاي ضريب تعيين، عرض از مبدا و شيب خط برازش داده شده به داده هاي برآورد شده از مدل ترکيبي عصبي- ژنتيک در طول دوره (دو سال) در مقايسه با مدل ترکيبي عصبي- فازي نيز بيانگر کارآيي اين مدل مي باشند.

 نسخه قابل چاپ