مقايسه مدل هاي شبكه عصبي مصنوعي و رگرسيوني در تخمين وزن خشك و جذب فسفرگياه ذرت

Comparison of Artificial Neural Network and Regression Models for Estimating Dry Weight and P Uptake of Corn

در اين تحقيق مقايسه اي بين شبكه عصبي مصنوعي (ANN) و مدل هاي رگرسيوني خطي در تخمين وزن خشك و جذب فسفر گياه ذرت از روي فسفر خاك استخراج‌شده توسط عصاره گيرهاي مختلف انجام يافت. براي اين منظور 25 نمونه مركب خاك سطحي (cm30-0) از نقاط مختلف استان آذربايجان شرقي جمع‌آوري و در آن خاك ها گياه ذرت (سينگل كراس 704) در سه تكرار در گلخانه كشت شد. بعد از 60 روز گياهان برداشت و وزن خشك بخش هوايي و غلظت فسفر در آن اندازه‌گيري شد. نتايج نشان داد كه ضريب تبيين مدل رگرسيون خطي بين فسفر استخراج‌شده با روش‌هاي كالول و اولسن با وزن خشك بخش هوايي ذرت به ترتيب برابر 49/0 و 44/0 بودند. با توجه به نتايج مدل شبكه عصبي مصنوعي روش اولسن براي تخمين وزن خشك و روش آب مقطر براي تخمين غلظت فسفر بخش هوايي ذرت برتر از ساير روش‌ها بودند. در پيش بيني شاخص هاي مهم وزن خشك و فسفر جذب‌شده توسط گياه ذرت بر مبناي غلظت فسفر استخراج‌شده توسط عصاره گيرهاي مختلف، ضرايب تبيين مدل هاي شبكه عصبي مصنوعي بيشتر از مدل هاي رگرسيوني خطي حاصل گرديد، لذا چنين نتيجه گيري شد كه مي توان از شبكه عصبي مصنوعي در مطالعات آزمون خاك براي فسفر بهره گرفت.

In this study, a comparison between the artificial neural network (ANN) and linear regression models for estimating the dry weight of corn and its P uptake, based on the extracted P from soil by different extractants was done. For this purpose, 25 surface soil composite samples (0-30 cm) were collected from different points of East Azerbaijan province, and then corn plants (single cross 704) were cultivated in these soils under the greenhouse condition with three replications. After 60 days, the plants were harvested and the shoot dry weight and its P concentration were measured. The results showed that the coefficient of determination (r2) values between the extracted soil P, obtained by Colwel and Olsenʹs tests and corn shoot dry weight were 0.49 and 0.44, respectivly. The results of ANN showed that the Olsenʹs test for estimating the corn shoot dry weight and distiled water for estimating the shoot P concentration were supreoir. For prediction of the important indices of the corn shoot dry weigh and P uptake, based on P concentration measured using different extractions, higher values for coefficient of determination were obtained by applying some conventional methods of ANN with respect to those obtained by applying linear regression methods, so it was concluded that ANN could be used in soil P testing.