مدل‌سازی و بهینه‌کردن مقاومت روزنه‌ای زیتون در شرایط تنش شوری ناشی از کلرید سدیم با استفاده از شبکة عصبی مصنوعی و الگوریتم ژنتیک

چکیده
    مقاومت روزنه‌ای نقش مهمی در تبادلات آبی گیاه و میزان فتوسنتز در شرایط تنش دارد و یکی از پارامتر‌های کلیدی در بسیاری از مدل‌های اکولوژیکی و بیولوژیکی است. در این پژوهش، مقادیر بهینة پارامترهای مؤثر بر مقاومت روزنه‌ای زیتون بر‌اساس دست‌یابی به حداکثر مقاومت روزنه‌ای تعیین شد. سطوح شوری (0، 25، 50 و 100 میلی‌مول 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) به‌عنوان پارامترهای مؤثر بر مقاومت روزنه‌ای زیتون در نظر گرفته شد. مقاومت روزنه‌ای با استفاده از مدل شبکة عصبی تابع پایة شعاعی (RBF) به‌صورت تابعی از متغیرهایی مدل شد که قبلاً لیست شد. نتایج پیش‌بینی‌شده نشان داد که شبکة عصبی توانسته است عملکرد خوبی فراهم کند، زیرا نتایج پیش‌بینی‌شده مطابق نتایج اندازه‌گیری‌شده بودند. بیشترین درصد خطا بین داده‌های آزمایشگاهی و پیش‌بینی‌شدة کمتر از 57/2 درصد و ضریب همبستگی بین آن‌ها 994/0 شد. همچنین، مقایسة آماری بین داده‌های آزمایشگاهی و پیش‌بینی‌شده نشان‌دهندة قابلیت اطمینان پیش‌بینی‌ها با مدل شبکة عصبی RBF بود. شبکة عصبی آموزش‌دیده به‌عنوان تابع هدف برای دست‌یابی به پارامترهای بهینه با استفاده از الگوریتم ژنتیک استفاده شد. به‌ترتیب 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 به‌دست آمد.