مدل‌سازی عوامل مؤثر بر عملکرد زعفران قاینات با استفاده از GFA و ANFIS

زعفران یکی از محصولات استراتژیک اصلی در ایران است که در محصولات صادرات غیرنفتی کشور موقعیت خاصی دارد. شرایط آب و هوایی خاصی در استان قائنات برای تولید زعفران وجود دارد و بنابراین زعفران سهم بالایی از محصولات کشاورزی این منطقه را به خود اختصاص داده است. در تحقیق حاضر، مدلسازی عوامل مؤثر بر عملکرد زعفران با استفاده از تقریب تابع ژنتیکی و سیستم استنتاج عصبی-فuzzy تطبیقی در استان قائنات انجام شد. نمونه های آماری با استفاده از نمونه گیری تصادفی بین 120 زعفران کار در استان قائنات در سال 2017 گرفته شد.

نتایج نشان می دهد که مساحت کشت، تحصیلات مرتبط، فروش کل، قیمت محصول، هزینه کار، هزینه آبیاری و هزینه برداشت از عوامل مؤثر بر عملکرد زعفران هستند. ضریب کشش قیمت در مقایسه با سایر عوامل بالاتر بود که نشان می دهد واکنش کشاورزان به قیمت بیشتر از دیگر عوامل بود.ضریب الاستیسیته هزینه کار در بین ورودی‌های تولید زعفران بالاتر بود که به این معناست که افزایش هزینه کار سهم بیشتری در افزایش محصول نسبت به سایر ورودی‌ها دارد. نتایج مقایسه بین تقریب تابع ژنتیکی و سیستم استدلال فازی تطبیقی نشان داد که تقریب تابع ژنتیکی با خطای کمتری نسبت به سیستم استدلال فازی تطبیقی پیش‌بینی شده است.

“Saffron is one of main strategic crops in Iran that have exclusive position in non-oil export products of the country. There is special weather condition in Qaenat state for saffron production and so saffron allocated high proportion of agricultural prod ucts in this region. In current research, the modelling of affecting factors on saffron yield using Genetic function approximation and adaptive neuro-fuzzy inference system in Qaenat state was done.

The statistical samples were taken using coincidence sampling among 120 saffron growers’ in Qaenat state at 2017. Results are shown that cultivation area, related education, total sale, product price, labor cost, irrigation and harvest cost are most ef fective factors on saffron yield. Price elasticity coefficient was higher in comparison with other factors that show growers reac tion to price was higher than others. Labor cost elasticity coefficient was higher among saffron production inputs that means increase in labor cost have more portion in increasing of yield compared than other inputs. Results of comparison between genetic function approximation and adaptive neuro-fuzzy inference system showed that genetic function approximation was predicted in lower error compared than adaptive neuro-fuzzy inference system”