کارایی مدل های ماشین بردار پشتیبان و برنامه ریزی بیان ژن در پیش بینی عملکرد محصول زعفران

با توجه به حساسیت عملکرد زعفران و تاثیرپذیری آن از پارامترهای اقلیمی و خاصیت غیرخطی توابع عملکرد گیاهی، در این تحقیق به پیش بینی عملکرد زعفران پرداخته شد. هدف از انجام این مطالعه، توانایی مدل شبیه سازی ماشین بردار پشتیبان(lssvm) و مدل برنامه ریزی بیان ژن(GenXproTools۵,۰ )در پیش بینی عملکرد زعفران براساس داده های هواشناسی(حداقل دما، حداکثر دما، بارش، تبخیر و رطوبت نسبی،عملکرد یکسال قبل) در مقیاس فصلی در بازه زمانی ۲۰۰۶-۱۹۹۲ می باشد. بهترین مدل براساس معیارهای ارزیابی RMSE,R۲وMAE انتخاب شد. بررسی ها نشان داد در هر دو مدل، در سناریوی H (میانگین حداقل دما درفصل زمستان، میانگین بارش در فصل پاییز، میانگین بارش در فصل زمستان، میانگین تبخیر در فصل زمستان،عملکرد یکسال قبل) برآورد مطلوب تری از عملکرد زعفران حاصل شد. در مدل LSSVM ترکیب های با تابع کرنل Liner نتایج دقیق تری داشت. اما بین مدل lssvm و مدل GEP، مدل GEP دارای R۲ بالاتر و RMSE و MAE پایین تری بود. میزان RMSE,R۲ و MAE در این مدل تحت سناریوی H در بخش آموزش به ترتیب ۰.۶۰۶۸۸، ۰.۴۳۲۶۵و ۰.۴۶۴۳۲ به دست آمد. در مجموع مدل GEP نتایج دقیق تری را در تخمین عملکرد زعفران نسبت به مدل LSSVM دارا بود.