مدل سازی و بهینه کردن مقاومت روزنه ای زیتون در شرایط تنش شوری ناشی از کلرید سدیم با استفاده از شبکة عصبی مصنوعی و الگوریتم ژنتیک

مقاومت روزنه ای نقش مهمی در تبادلات آبی گیاه و میزان فتوسنتز در شرایط تنش دارد و یکی از پارامتر های کلیدی در بسیاری از مدل های اکولوژیکی و بیولوژیکی است. در این پژوهش، مقادیر بهینة پارامترهای مؤثر بر مقاومت روزنه ای زیتون بر اساس دست یابی به حداکثر مقاومت روزنه ای تعیین شد. سطوح شوری (0، 25، 50 و 100 میلی مول در لیتر کلرید سدیم)، درصد عناصر برگ (کلر، سدیم، پتاسیم، کلسیم، فسفر، منیزیم)، نسبت k/na، وزن تر برگ (mg)، سطح برگ (cm2)، میزان آب نسبی برگ (درصد) و نسبت سطح برگ (cm2/g) به عنوان پارامترهای مؤثر بر مقاومت روزنه ای زیتون در نظر گرفته شد. مقاومت روزنه ای با استفاده از مدل شبکة عصبی تابع پایة شعاعی (rbf) به صورت تابعی از متغیرهایی مدل شد که قبلاً لیست شد. نتایج پیش بینی شده نشان داد که شبکة عصبی توانسته است عملکرد خوبی فراهم کند، زیرا نتایج پیش بینی شده مطابق نتایج اندازه گیری شده بودند. بیشترین درصد خطا بین داده های آزمایشگاهی و پیش بینی شدة کمتر از 57/2 درصد و ضریب همبستگی بین آن ها 994/0 شد. همچنین، مقایسة آماری بین داده های آزمایشگاهی و پیش بینی شده نشان دهندة قابلیت اطمینان پیش بینی ها با مدل شبکة عصبی rbf بود. شبکة عصبی آموزش دیده به عنوان تابع هدف برای دست یابی به پارامترهای بهینه با استفاده از الگوریتم ژنتیک استفاده شد. به ترتیب مقادیر بهینه برای اولین تا آخرین پارامترها در 100، 15/0، 57/0، 78/0، 32/0، 06/0، 17/0، 29/1، 63/26، 03/5، 76/0 و 89/72 به دست آمد.