علی کشاورزی - گروه علوم و مهندسی خاک ،دانشگاه تهران
فریدون سرمدیان - گروه علوم و مهندسی خاک ،دانشگاه تهران

پیش بینی عملکرد محصولات زراعی، به دلیل اهمیتی که در برنامه ریزی اقتصادی دارند، همواره مورد توجه پژوهشگران بوده است. یکی از چالش های اصلی شبکه های عصبی مصنوعی، نحوه ی به روز رسانی وزن های آن، در خلال فرایند آموزش است. در این تحقیق، سعی شده است که ضمن استخراج و تعیین مؤثرترین ویژگی های توپوگرافی مشتق شده از مدل رقومی ارتفاع با استفاده از آزمون گاما، از الگوریتم فرا ابتکاری ازدحام ذرات نیز به منظور بهینه سازی و غلبه بر ضعف الگوریتم های مبتنی بر گرادیان، در تخمین عملکرد گندم دیم، بهره گرفته شود. نتایج این تحقیق نشان داد که متغیرهای ارتفاع، شیب، خمیدگی نیمرخی، خمیدگی شکل سطح، شاخص خیسی و شاخص موقعیت توپوگرافی از مهمترین خصوصیات مؤثر بر تغییر پذیری میزان عملکرد محصول گندم دیم در ناحیه مورد مطالعه می باشند و استفاده از رویکرد بهینه سازی تلفیقی مبتنی بر آزمون گاما و الگوریتم ازدحام ذرات می تواند به عنوان روشی نوین در مباحث مربوط به مدلسازی و تخمین عملکرد محصولات زراعی، مورد استفاده قرار گیرد.

آزمون گاما، الگوریتم ازدحام ذرات، توپوگرافی، شبکه های عصبی مصنوعی، گندم