کارایی مدل های ماشین بردار پشتیبان و برنامه ریزی بیان ژن در پیش بینی عملکرد محصول زعفران

با توجه به حساسیت عملکرد زعفران و تاثیرپذیری آن از پارامترهای اقلیمی و خاصیت غیرخطی توابع عملکرد گیاهی، در این تحقیق به پیش‌بینی عملکرد زعفران پرداخته شد. هدف از انجام این مطالعه، توانایی مدل شبیه‌سازی ماشین بردار پشتیبان(lssvm) و مدل برنامه‌ریزی بیان ژن(GenXproTools5,0 )در پیش‌بینی عملکرد زعفران براساس داده‌های هواشناسی(حداقل دما، حداکثر دما، بارش، تبخیر و رطوبت نسبی،عملکرد یکسال قبل) در مقیاس فصلی در بازه زمانی 2006-1992 می‌باشد.

بهترین مدل براساس معیارهای ارزیابی RMSE,R2وMAE انتخاب شد. بررسی‌ها نشان داد در هر دو مدل، در سناریوی H (میانگین حداقل دما درفصل زمستان، میانگین بارش در فصل پاییز، میانگین بارش در فصل زمستان، میانگین تبخیر در فصل زمستان،عملکرد یکسال قبل) برآورد مطلوب‌تری از عملکرد زعفران حاصل شد. در مدل LSSVM ترکیب‌های با تابع کرنل Liner نتایج دقیق‌تری داشت. اما بین مدل lssvm و مدل GEP، مدل GEP دارای R2 بالاتر و RMSE و MAE پایین‌تری بود. میزان RMSE,R2 و MAE در این مدل تحت سناریوی H در بخش آموزش به ترتیب 0.60688، 0.43265و 0.46432 به دست آمد. در مجموع مدل GEP نتایج دقیق‌تری را در تخمین عملکرد زعفران نسبت به مدل LSSVM دارا بود.

“Due to the sensitivity of saffron yield and its effect affected as climatic parameters and nonlinear properties of plant functions, in this research, saffron yield prediction was considered. The purpose of this study was to evaluate the ability of the support vector machine simulation model (LSSVM) and genome genotype programming model (GenXproTools5.0) to predict saffron yield based on meteorological data (such as minimum temperature, maximum temperature, precipitation, evaporation and relative humidity, yield one year ago) on a seasonal scale between 1992 and 2006.

The best model was selected based on R2, RMSE and MAE assessment criteria. The results showed that in both scenarios, in the H scenario (including mean winter temperature, mean precipitation in autumn, winter rainfall mean, winter evaporation mean, yield one year ago), better results were obtained from saffron yield. In the LSSVM model, combinations with the Liner kernel function had more accurate results. But between LSSVM model and GEP model, GEP model had higher R2 and lower RMSE and MAE. R2 , RMSE and MAE ratios in this model under the H-scenario in education section were calculated with 0.60688, 0.43265 and 0.46432, respectively. In general, the GEP model had more accurate results in saffron yield estimates than the LSSVM model”