فهرست نشریات علمی دسترسی آزاد ایران

در این پژوهش، یکی از اهداف اصلی شرکت‌های کشت و صنعت نیشکر خوزستان، یعنی افزایش عملکرد مزارع نیشکر با بهره‌گیری از روش‌های داده‌کاوی، مورد بررسی قرار گرفت. این پژوهش از نوع تحلیلی بوده و شامل داده‌های آبیاری، زهکشی، خاک و گیاه 1201 مزرعه است که در سال‌های زراعی 1393 تا 1396 از شرکت کشت و صنعت امیرکبیر گردآوری شده‌اند. تحلیل‌ها با استفاده از نرم‌افزار پایتون انجام شد. در این پژوهش، چهار الگوریتم شبکه عصبی بازگشتی حافظه طولانی‌ کوتاه مدت (LSTM)، شبکه عصبی چندلایه پرسپترون (MLP)، درخت تصمیم و ماشین بردار پشتیبان(SVM) مورد استفاده قرار گرفت و دو روش کاهش بعد تحلیل مؤلفه‌های اصلی (PCA) و الگوریتم تحلیل ‌مؤلفه‌های مستقل (ICA) اعمال شد. در روش PCA، متغیرهای نهایی شامل واریته محصول، بافت خاک، نسبت سطح سمپاشی، هدایت الکتریکی خاک، زهکشی و کود شیمیایی نیتروژن شناسایی شدند. با وجود این، در روشICA، متغیرهای نهایی شامل واریته محصول، هدایت الکتریکی خاک، هدایت الکتریکی آب، سن گیاه، تعداد دفعات آبیاری و بافت خاک بودند. نتایج نشان داد که الگوریتم شبکه عصبی بازگشتی حافظه طولانی‌ کوتاه مدت (LSTM) در روش کاهش بعد تحلیل مؤلفه‌های اصلی (PCA) عملکرد بهتری داشت. مقادیر R² برابر با 97%، RMSE برابر با 79/51، و RRMSE برابر با 89/0 برای این الگوریتم در روش PCA به دست آمد که نسبت به روش ICA که مقادیر R² برابر با 91%، RMSE برابر با 75/62 و RRMSE برابر با 798/0 بود، نتایج بهتری ارائه داد. این نشان می‌دهد که روش PCA توانایی بهتری در کاهش ابعاد برای این مدل داشته است.