مدل‌سازی متغیرهای موثر بر عملکرد نیشکر با استفاده از الگوریتم‌های درخت تصمیم‌گیری C5.0 و QUEST

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 247

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JAM-9-2_017

تاریخ نمایه سازی: 6 دی 1399

چکیده مقاله:

در این پژوهش یکی از اهداف اصلی شرکت‌های کشت و صنعت نیشکر خوزستان که افزایش میزان عملکرد مزارع نیشکر با استفاده از رهیافت داده‌کاوی می‌باشد، مورد بررسی قرار گرفته است. تصمیم‌گیرندگان در این واحدهای تولیدی کشاورزی با حجم بسیار زیادی از داده‌های جمع‌آوری شده با خصوصیات بسیار متنوع و با روابط پیچیده در بین آن‌ها مواجه هستند که آنالیز و مدیریت آن‌ها به‌وسیله‌ی تجزیه و تحلیل‌های تجربی و آماری، امری دشوار و در بسیاری از حوضه‌ها عملاً ناممکن می‌باشد. داده‌کاوی یک فناوری توانمند در مدیریت و سازماندهی اطلاعات با حجم بالا می‌باشد. در این تحقیق با استفاده از تکنیک‌های داده‌کاوی درخت تصمیم (مدل‌های QUEST و C5.0)، به تخمین عملکرد محصول نیشکر پرداخته شده است. در این راستا مجموعه داده‌های در دسترس همچون داده‌های آبیاری و زهکشی، خاک و گیاه استفاده گردید تا اثر ترکیب‌های متفاوت این عوامل بر عملکرد تولید تعیین گردد. این پژوهش از نوع تحلیلی بوده و پایگاه داده آن شامل رکوردهای 1201 مزرعه می‌باشد. داده‌های مورد نیاز این تحقیق، طی سال‌های زراعی 1393 تا 1396 از کشت و صنعت امیرکبیر به‌دست آمده است. تجزیه و تحلیل به کمک نرم‌افزار IBM modeler 14.2 انجام شده است. نتایج نشان داد، شاخص‌های اجرایی و مدیریتی بر تغییر سطح عملکرد مزارع نیشکر تاثیرگذار می‌باشد. چگونگی تاثیرپذیری سطح عملکرد وابسته به ترکیب‌های خاصی از شاخص‌های اجرایی و مدیریتی می‌باشد که در قالب الگوهای حاصل از مدل‌های درخت تصمیم QUEST و C5.0 استخراج شده است. همچنین واریته محصول در هر دو مدل درخت تصمیم به‌عنوان مهم‌ترین متغیر مستقل در مدل‌سازی ظاهر شده است. بنابراین نتایج به‌دست آمده می‌تواند در برنامه‌ریزی و آماده‌سازی شرایط مطلوب برای رسیدن به اهداف تعیین شده میزان تولید کمک نماید.

کلیدواژه ها:

پیش‌بینی ، داده‌کاوی ، کشاورزی ، کشت و صنعت امیرکبیر

نویسندگان

حسن ذکی دیزجی

شهید چمران اهواز

هوشنگ بهرامی

شهید چمران اهواز

نسیم منجزی

دانشگاه شهید چمران اهواز

محمد جواد شیخ داودی

دانشگاه شهید چمران اهواز

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 :
  • - Razi Ardakani, H., and A. samimi. 2011.Comparison of Decision ...
  • - Baisen, Z., and R. Tillman. 2007. A decision tree ...
  • - Breman, L., Friedman, J., Olshen, R., and Ch. Stone. ...
  • - Choi, J., Jeon, K. H., Won, Y., and J. ...
  • - Ekasingh, B., and K. Ngamsomsuke. 2009. Searching for simplified ...
  • - Geetha, M.C.S. 2015. A Survey on Data Mining Techniques ...
  • - Jeysenthil, K. M. S., Manikandan,T., and V. Murali. 2014. ...
  • - Kalpana, R., Shanthi, N., and S. Arumugam. 2014a. Data ...
  • - Kalpana, R., Shanthi, N., and S. Arumugam. 2014b. A ...
  • - Kotsiantis, S. B. 2007. Supervised machine learning: A review ...
  • - Monjezi, N., and H. Zakidizaji. 2017. Fuzzy approach to ...
  • - Monjezi, N., Zakidizaji, H., Sheikhdavoodi, M. J., Marzban, A., ...
  • - Quinlan, J. 1993. Programs for machine learning. Morgan Kaufmann, ...
  • - Rajesh, D. 2011. Application of Spatial Data Mining for ...
  • - Ramesh, D., and B.Vishnu Vardhan. 2013. Data Mining Techniques ...
  • - Raorane, A. A., and R.V. Kulkarni. 2013. Review- Role ...
  • - Sharma, L., and N. Mehta. 2012. Data Mining Techniques: ...
  • - Umesh, D. R., and C. R. Thilak. 2015. Predicting ...
  • - Yethiraj, N. G. 2012. Applying Data Mining Techniques in ...
  • - Yoneyama, Y., Suzuki, S., Sawa, R., Yoneyama, K., Power, ...
  • نمایش کامل مراجع