دانشگاه بیرجند پژوهش‌های زعفران 2345-3869 1 1 2013 06 22 Performance evaluation of artificial neural network models in estimate production of yield saffron based on climate parameters ارزیابی کارایی مدل‌های شبکه عصبی مصنوعی در تخمین عملکرد محصول زعفران بر اساس پارمترهای اقلیمی 27 35 431 10.22077/jsr.2013.431 FA ابوالفضل اکبرپور استادیار گروه مهندسی آب دانشگاه بیرجند امید خراشادیزاده دانشجوی کارشناسی ارشد منابع آب دانشگاه بیرجند علی شهیدی استادیار گروه مهندسی اب دانشگاه بیرجند الهام قوچانیان دانشجوی کارشناسی ارشد منابع اب دانشگاه بیرجند Journal Article 2016 12 17 Saffron as the most precise agricultural and pharmaceutical product of the world has a specific place in industrial and export products of Iran. Nowadays, Iran is the largest producer and exporter of saffron in world, as up to 65% of production of this valuable commodity belongs to it. Despite the antiquity of saffron cultivation and added value of this product compare to other current corps of Iran, fewer shares of new technologies is dedicated to saffron and its production is mainly based on indigenous knowledge. In this paper multiple models are conducted in order to evaluate and develop the performance of Artificial Neural Network (ANN) to calculate estimate production of yield Saffron based on Climate Parameters. The calibration and evaluation of models are yielded from the statistics of crop yield and climate factors between years 1988–2007. In order to evaluate models the following statistical criterions are used: Correlation Coefficient (CC), Mean Absolute Error (MAE) and Mean Square Error (MSE). The results are permissible and indicate that the proposed ANN has correlation coefficient of 0.8, MAE of 0.69 and MSE of 0.66 in estimating yield Saffron. Sensitivity analysis of models has shown that the yield production has the most dependency with rain factor, then with temperature factor and finally with humidity factor. Finally, the proposed ANN can enhance the yield Saffron production in climate circumstance of associated area. زعفران به عنوان با ارزش ترین محصول کشاورزی و دارویی جهان جایگاه ویژه ای در بین محصولات صنعتی و صادراتی ایران دارد. در حال حاضر ایران بزرگترین تولیدکننده و صادرکننده زعفران در جهان است، بطوریکه بیش از 7/93 درصد تولید جهانی این محصول گران بها به ایران اختصاص دارد، اما علیرغم قدمت کشت زعفران و ارزش افزوده این محصول در مقایسه با بسیاری از محصولات زراعی رایج در کشور سهم کمتری از فناوری های نوین را به آن اختصاص یافته و تولید آن عمدتاً بر دانش بومی متکی بوده است. تحقیق حاضر با هدف توسعه و ارزیابی کارایی مدل شبکه عصبی مصنوعی در محاسبه عملکرد محصول گیاه زعفران بر اساس پارامتر های اقلیمی انجام گرفته است. کالیبراسیون و صحت سنجی مدل ها با استفاده از آمار عملکرد این محصول و عوامل اقلیمی طی سال های 68 - 1367 صورت پذیرفت. به-منظور ارزیابی مدل ها از شاخص های آماری ضریب همبستگی، میانگین قدرمطلق خطا و میانگین مربعات خطا استفاده شد. شبکه عصبی پیشنهادی با ضریب همبستگی 95/0 میانگین قدر مطلق خطا 07/0 و میانگین مربعات خطا 2/0 از دقت مناسبی در تخمین عملکرد گیاه زعفران داشت. تحلیل حساسیت مدل ها نشان داد که عملکرد محصول بیشترین حساسیت را به عامل بارندگی سپس دما و در نهایت رطوبت دارد. به طور کلی، کاربرد شبکه عصبی انتخابی در این مقاله می تواند زمینه ارتقای عملکرد محصول زعفران را در شرایط اقلیمی منطقه مورد مطالعه فراهم نماید. https://jsr.birjand.ac.ir/article_431_dd49f16186851ecb83796286e5f2286e.pdf