پیش بینی عملکرد پسته با استفاده از الگوریتم هیبرید ژنتیک- شبکه عصبی مصنوعی (مطالعه موردی: شهرستان های رفسنجان و انار استان کرمان)

پژوهش حاضر به منظور پیش بینی عملکرد پسته در منطقه مورد مطالعه با استفاده از تکنیک انتخاب ویژگی صورتپذیرفت. بدین منظور، اطلاعات مربوط به 199 قطعه باغ در مناطق مختلف شهرستانهای رفسنجان و انار در قالب یک متغیروابسته یعنی عملکرد محصول و 87 متغیر مستقل شامل ویژگی های خاکی، آبی، گیاهی و مدیریتی جمع آوری شد. نتایجاجرای الگوریتم هیبرید ژنتیک شبکه عصبی مصنوعی نشان داد که کمترین میزان خطا مربوط به حالتی است که از 26ویژگی در مدل استفاده گردد. سپس پیشبینی عملکرد با استفاده از متغیرهای انتخاب شده به دو روش رگرسیون چند متغیرهخطی و شبکه عصبی مصنوعی انجام گرفت. دقت مدل رگرسیونی و شبکه عصبی طراحی شده به ترتیب برابر با 31 و 96درصد بود. بنابراین، با کاهش ابعاد دادهها با استفاده از تکنیک انتخاب ویژگی و سپس مدلسازی توسط شبکه عصبیمصنوعی، میتوان تخمین دقیقی از عملکرد محصول پسته در منطقه مطالعاتی بدست آورد.