مدل‌سازی تراکم خاک زیر تایر تراکتور با استفاده از شبکه عصبی پرسپترون چندلایه
محل انتشار: دوفصلنامه ماشین های کشاورزی، دوره: 8، شماره: 1
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 257
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JAM-8-1_009
تاریخ نمایه سازی: 6 دی 1399
چکیده مقاله:
یکی از مخرب‌ترین آثار تردد ماشین در مزرعه ایجاد تراکم در خاک‌های کشاورزی است. تراکم خاک‌های کشاورزی موجب افزایش مقاومت مکانیکی خاک، کاهش ریشه دوانی گیاه و نهایتاً کاهش عملکرد محصول می‌شود. مدل‌سازی سیستم‌های اکولوژیک توسط روش‌های متداول مدل‌سازی، به‌دلیل ماهیت پیچیده آنها در صورت امکان نیز بسیار مشکل است. سیستم‌های هوش مصنوعی و محاسبات نرم به‌واسطه سادگی و دقت بالا با یک‌بار تعریف یا آموزش بسیار مورد توجه هستند. هدف از انجام این تحقیق مدل‌سازی سیستم تراکم خاک تحت تأثیر رطوبت خاک، سرعت پیشروی ماشین و عمق خاک توسط شبکه‌های عصبی مصنوعی پرسپترون چندلایه بود. در این پژوهش، رطوبت خاک در پنج سطح 11%، 13/5%، 16%، 19% و 22%، میانگین سرعت پیشروی ماشین در پنج سطح 1، 2، 3، 4 و 5 کیلومتر بر ساعت و عمق‌های مختلف خاک در سطوح 20، 25، 30، 35 و 40 سانتی‌متر در نظر گرفته شد. داده‌های تجربی در مزرعه تحقیقاتی دانشگاه محقق اردبیلی به‌صورت آزمایش فاکتوریل در قالب طرح بلوک‌های کامل تصادفی در پنج سطح رطوبت، سرعت پیشروی و عمق خاک در سه تکرار به‌دست آمدند. شبکه عصبی پرسپترون با پنج نرون در لایه پنهان با تابع انتقال سیگموییدی و تابع انتقال خطی برای نرون خروجی برای مدل‌سازی طراحی و آموزش داده شد. مقایسه نتایج مدل و نتایج تجربی نشان‌دهنده ضریب تبیین 0/99 =R2 بین این مقادیر بود. مقدار میانگین مربعات خطای مدل و درصد میانگین مطلق خطای سیستم به‌ترتیب برابر 0/17 و 0/29 درصد به‌دست آمدند که نشان از دقت بالای مدل شبکه عصبی در تخمین مقادیر تراکم خاک دارد.
کلیدواژه ها:
نویسندگان
غلامحسین شاهقلی
دانشگاه محقق اردبیلی
حافظ غفوری چیانه
دانشگاه محقق اردبیلی
ترحم مصری گندشمین
دانشگاه محقق اردبیلی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :