ارزیابی کارایی مدل های رگرسیون چند متغیره و شبکۀ عصبی مصنوعی (ann) در پیش بینی فعالیت آنزیم های آنتی اکسیدان در شاخسارۀ گندم نان (triticum aestivum) تحت سمیت کادمیم

هدف از انجام این تحقیق مقایسة کارایی مدل های رگرسیون چند متغیره و شبکة عصبی مصنوعی (ann) جهت پیش بینی مقدار فعالیت آنزیم های آنتی اکسیدان سوپراکسید دیسموتاز (sod)، کاتالاز (cat)، آسکوربات پراکسیداز (apx) و پراکسیداز (pox) در شاخسارة گندم (triticumaestivum) رقم الوند در خاک آلوده به کادمیم بود. تیمارهای آزمایش شامل چهار سطح کادمیم (صفر (شاهد)، 25، 50 و 100 میلی گرم کادمیم در کیلوگرم خاک) بود. پس از گذشت 30 روز (هم زمان با مرحلة به ساقه رفتن) اقدام به برداشت نمونه ها و اندازه گیری ده پارامتر مختلف شامل وزن تر و خشک، غلظت کلروفیل های a و b، غلظت عناصر کادمیم، مس، آهن، منگنز، روی و پتاسیم شد. همچنین، مقدار فعالیت آنزیم های sod، cat، apx و pox اندازه گیری شد. در مرحلة بعد ضرایب همبستگی بین پارامترهای ده گانه و مقدار فعالیت آنزیم های آنتی اکسیدان تعیین شد. نتایج حاصل از مدل های بهینه شدة رگرسیون چند متغیره و شبکة عصبی مصنوعی نشان داد که کارایی مدل شبکة عصبی مصنوعی در پیش بینی مقدار فعالیت آنزیم های sod و pox بیش از مدل رگرسیون چند متغیره بود. ضرایب همبستگی (r2) بین مقادیر اندازه گیری شده و پیش بینی شدة فعالیت آنزیم sod برای مدل های رگرسیون چند متغیره و شبکة عصبی مصنوعی به ترتیب 76/0 و 87/0 بود. ضرایب همبستگی آنزیم pox برای مدل های رگرسیون چند متغیره و شبکة عصبی مصنوعی به ترتیب 96/0 و 98/0 بود. ضرایب همبستگی بین مقادیر اندازه گیری شده و پیش بینی شدة فعالیت آنزیم cat برای مدل های رگرسیون چند متغیره و شبکة عصبی مصنوعی به ترتیب 97/0 و 98/0 بود. در رابطه با آنزیم apx این ضرایب برای مدل های رگرسیون چند متغیره و شبکة عصبی به ترتیب 97/0 و 99/0 بود. با توجه به نتایج این تحقیق می توان گفت کارایی مدل شبکة عصبی مصنوعی در پیش بینی مقدار فعالیت آنزیم های آنتی اکسیدان در شاخسارة رقم الوند تحت سمیت کادمیم به طور کلی بیش از مدل رگرسیون چند متغیره بود.