%0 Journal Article %T هیبرید شبکه عصبی مصنوعی با الگوریتم‌های فرااکتشافی در پیش‌بینی عملکرد نیشکر %J مهندسی بیوسیستم ایران %I پردیس کشاورزی و منابع طبیعی دانشگاه تهران %Z 2008-4803 %A حافظی, نگار %A بهرامی, هوشنگ %A شیخ داودی, محمد‌جواد %A علوی, سید عنایت‌اله %D 2020 %\ 11/21/2020 %V 51 %N 3 %P 515-526 %! هیبرید شبکه عصبی مصنوعی با الگوریتم‌های فرااکتشافی در پیش‌بینی عملکرد نیشکر %K نیشکر %K عملکرد %K شبکه عصبی مصنوعی %K الگوریتم‌های فرااکتشافی %K اعتبارسنجی متقاطع %R 10.22059/ijbse.2020.290905.665234 %X در این پژوهش برای پیش‌بینی عملکرد نیشکر از شبکه عصبی مصنوعی مبتنی بر الگوریتم‌های فرااکتشافی به عنوان یک روش کارآمد که تخمین عملکرد محصول را بر اساس داده‌های واقعی به دست می‌آورد، استفاده شده است. به منظور پیش‌بینی عملکرد نیشکر از پارامترهای مؤثری نظیر مشخصات گیاه، هدایت الکتریکی آب و خاک، حداکثر درجه حرارت و میانگین ساعات آفتابی در طول دوره رشد محصول و در مقیاس زمانی هفت ساله استفاده گردید. بر همین اساس از چهار الگوی آموزشی در ساخت شبکه‌های عصبی استفاده شد که به ‌ترتیب شامل شبکه عصبی مصنوعی مبتنی بر الگوریتم پس انتشار خطا، ترکیب شبکه عصبی با الگوریتم ژنتیک، ترکیب شبکه عصبی با الگوریتم ازدحام ذرات و در آخر رویکرد نوین ترکیب شبکه عصبی با الگوریتم مرکب ژنتیک- ازدحام ذرات بوده‌اند. نتایج بدست آمده از پژوهش، حاکی از آن است که استفاده از الگوریتم‌های فرااکتشافی سبب بهبود عملکرد شبکه عصبی شده و قدرت پیش‌بینی را به طور محسوسی افزایش داده است. مقادیر میانگین مربعات خطا و ضریب همبستگی برای روش ترکیبی شبکه عصبی، الگوریتم ژنتیک و الگوریتم ازدحام ذرات به‌ترتیب 00057/0 و 91457/0 برای داده‌های آزمایش بدست آمد که برتری این روش را نسبت به سایر الگوها نشان می‌دهد. علاوه بر این، اعتبارسنجی متقاطع مدل پیشنهادی به روش k نزدیک‌ترین همسایه نشان داد که صحت داده‌های آموزشی و آزمایشی به منظور پیش‌بینی عملکرد نیشکر به ترتیب برابر با 5/98 و 5/95 درصد بوده است. %U https://ijbse.ut.ac.ir/article_78872_e91c0afa3aa04453bf2a6f4c703e4235.pdf