%0 Journal Article %T پیش بینی عملکرد پسته با استفاده از رگرسیون چندمتغیره ی خطی و شبکه عصبی مصنوعی (مطالعه موردی: شهرستان های رفسنجان و انار استان کرمان) %J مهندسی زراعی %I دانشگاه شهید چمران اهواز %Z 2588-526X %A پورمحمدعلی, بهروز %A صالحی, محمدحسن %A حسینی فرد, سیدجواد %A شیرانی, حسین %A اسفندیارپور بروجنی, عیسی %D 2018 %\ 02/20/2018 %V 40 %N 2 %P 71-87 %! پیش بینی عملکرد پسته با استفاده از رگرسیون چندمتغیره ی خطی و شبکه عصبی مصنوعی (مطالعه موردی: شهرستان های رفسنجان و انار استان کرمان) %K عملکرد پسته %K مدل‌سازی %K رگرسیون چندمتغیره‌ی خطی %K شبکه عصبی مصنوعی %R 10.22055/agen.2018.17814.1274 %X امروزه، مدیریت اصولی اراضی به‏عنوان یک راهکار مهم برای رسیدن به عملکرد بیشتر در واحد سطح و استفاده بهینه از منابع خاک و آب، مورد توجه پژوهشگران، تولیدکنندگان و سیاست­گذاران عرصه کشاورزی قرار گرفته است. پژوهش حاضر با هدف بررسی ارتباط بین عملکرد پسته و عوامل مؤثر بر آن، صورت پذیرفت. بدین منظور، 129 قطعه باغ در مناطق مختلف شهرستآن‌های رفسنجان و انار شناسایی و انتخاب گردید. نمونه­برداری از آب آبیاری، برگ درختان و خاک همه باغ­ها انجام شد. همچنین برای هر باغ یک پرسشنامه به منظور جمع­آوری اطلاعات مدیریتی و تعیین مقدار عملکرد تهیه شد. در نهایت یک متغیر وابسته یعنی عملکرد محصول و 50 متغیر مستقل شامل ویژگی­های خاک، آب و گیاه برای انجام مدل­سازی به کمک مدل­های رگرسیون چند متغیره خطی و شبکه­های عصبی مصنوعی مورد استفاده قرار گرفت. نتایج نشان می­دهد که رگرسیون چند متغیره­ی خطی تنها 26 درصد تغییرات عملکرد را توجیه می­نماید اما وقتی با تقسیم منطقه به چهار بخش، داده­ها همگن­تر می‌شود، دقت این روش افزایش یافت. به طوری که ضریب تبیین اصلاح شده­ی مدل برای باغ­های منطقه نوق، انار، حومه شرقی و حومه غربی به ترتیب به حدود 4/92، 5/81، 95 و 6/53 درصد رسید. این مدل­ها، به ویژگی­های مربوط به آب آبیاری حساسیت زیادی نشان می­دهند. بنابراین، توجه ویژه به روش­های نوین آبیاری و اتخاذ رویکردهای صحیح مدیریتی به منظور افزایش بهره­وری آب ضروری به نظر می‌رسد. شبکه عصبی مصنوعی با 9 نرون در یک لایه پنهان، تابع فعال‌سازی تانژانت-سیگموئید و تابع آموزشی لونبرگ مارکوات دارای دقت 3/98 درصدی در پیش­بینی عملکرد محصول پسته در کل منطقه مورد مطالعه می­باشد. %U https://agrieng.scu.ac.ir/article_13530_64f95c112734e5a9def177740f92844c.pdf