پیشرفتهای اخیر در کشاورزی دقیق سبب شده است تا مدل های قابل انعطاف مختلفی جهت پیش بینی، طبقه- بندی و تهیه نقشههای دقیق از جمعیت علفهای هرز به منظور کنترل متناسب بامکان آنها ارائه شود. این پژوهش به (LVQNN) منظور پیش بینی الگوی پراکنش جمعیت علف هرز تلخه با استفاده از شبکه عصبی بردار چندی ساز یادگیر در سطح مزرعه انجام شد. داده های مربوط به تراکم جمعیت علف هرز تلخه از طریق نمونه برداری بر روی یک شبکه 2 متر ودرمجموع از 550 نقطه از سطح مزرعه در حال آیش در شهرستان × علامت گذاری شده مربعی به ابعاد 2 در پیش بینی توزیع LVQ شاهرود واقع در استان سمنان در سال 1389 بدست آمد. برای ارزیابی قابلیت شبکه عصبی مکانی علف هرز از مقایسه آماری پارامترهایی مانند میانگین، واریانس، توزیع آماری و رابطه رگرسیونی بین مقادیر پیش بینی شده مکانی توسط شبکه عصبی و مقادیر واقعی آنها و نیز معیار دقت کلاس بندی استفاده شد. نتایج نشان بدست آمد، که نشان دهنده p= 1/ و 000 p≥ 0/8 ، p≥ 0/ داد که در فاز آموزش، آزمایش و کل، به ترتیب مقادیر 7 عدم وجود تفاوت معنی داری در سطح 5 درصد بین مقادیر ویژگی های آماری (میانگین، واریانس و توزیع آماری) مجموعه داده های پیش بینی شده مکانی علف هرز و مقادیر واقعی آنها بود. به عبارتی شبکه عصبی مصنوعی به خوبی توانست مدل داده های مکانی علف هرز را بیاموزد. نتایج نشان داد که شبکه عصبی آموزش دیده، دارای قابلیت بالایی 2 درصد بود. شبکه عصبی / در پیش بینی مکانی علف هرز در نقاط نمونه برداری نشده با دقت تشخیصکمتر از 7 توانست پس از کلاس بندی، نقشه توزیع مکانی علف هرز تلخه را در تمام نقاط سطح مزرعه ترسیم نماید. نقشه حاصل از کلاسبندی نشان داد که علف هرز تلخه دارای توزیع لکه ای است و لذا امکان کنترل متناسب با مکان آن در مزرعه مورد مطالعه وجود دارد.

کلمات کلیدی