هدف از این مطالعه تعیین احتمال روزهای کاری (PWD) برای عملیات خاک‌ورزی با استفاده از داده‌های هواشناسی و به کمک روش مدلسازی رگرسیونی خطی چندگانه (MLR) و شبکه عصبی مصنوعی توابع پایه‌ای شعاعی (RBF) بوده است. در هر دو مدل، هفت متغیر شامل دمای متوسط، بیشینه و کمینه، رطوبت نسبی، بارندگی، سرعت باد و تبخیر و تعرق بر پایه روزانه به عنوان پارامترهای ورودی در نظر گرفته شدند. احتمال روزهای کاری نیز به عنوان خروجی مدل‌های ایجاد شده، در نظر گرفته شد. معیارهای عملکردی شامل مجذور مربعات خطا (RMSE)، میانگین درصد خطای مطلق (MAPE) و ضریب تبیین (R2) بودند. نتایج نشان داد که مقادیر R2 برای مدل‌های MLR و RBF به ترتیب برابر 78/0 و 99/0 بوده است. هر دو مدل عملکرد قابل قبولی داشتند؛ اما مدل RBF عملکرد دقیق‌تری نسبت به مدل MLR داشت. مقادیر RMSE و MAPE نیز برای مدل RBF کمتر از مدل MLR بدست آمد. بنابراین مدل RBF به عنوان بهترین مدل برای پیش‌بینی احتمال روزهای کاری انتخاب شد. علاوه بر این، نتایج این مدل‌ها با یک مدل رطوبت خاک که پیش‌تر ارائه شده بود، مقایسه شد. نشان داده شد که نتایج مدل‌های مورد مطالعه با نتایج مدل رطوبت خاک سازگاری خوبی داشته است، اگرچه که مدل RBF بالاترین ضریب تبیین را داشت (R2=99%). در نهایت می‌توان بیان نمود که مدل RBF ایجاد شده می‌تواند برای پیش‌بینی احتمال روزهای کاری در راستای سیاست‌گذاری‌های مدیریتی در بخش کشاورزی مورد استفاده قرار گیرد.

Keywords