پیش بینی تاثیر کود دامی و تردد تایر تراکتور بر تراکم خاک رسی با استفاده از شبکه های عصبی پرسپترون چندلایه
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 135
فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ERAMS-21-75_001
تاریخ نمایه سازی: 3 دی 1401
چکیده مقاله:
یکی از راه های کاهش تراکم خاک، اضافه کردن کودهای آلی و مدیریت تردد در زمینهای کشاورزی است. در این تحقیق، کود دامی بر مبنای صفر، ۴۵، ۶۰ و ۹۰ تن در هکتار با خاک رسی مخلوط شد. پس از گذشت ۶ ماه (شهریور تا اسفندماه)، در چهار سطح تردد ۱، ۶، ۱۱ و ۱۶ و در سه سطح رطوبت ۸، ۱۱ و ۱۴ درصد در سه عمق ۱۰، ۲۰ و ۳۰ سانتی متری، تراکم خاک آزمایش شد. آزمایشها در انباره خاک دانشگاه ارومیه زیر چرخ ۲۲۰/۶۵ R ۲۱ تراکتور با استفاده از آزمونگر تک چرخ با بار ثابت ۴ کیلونیوتن، فشار باد تایر برابر ۱۱۰ کیلو پاسکال و سرعت پیشروی ۸۸/۲ کیلومتر بر ساعت، بررسی شد. در تیمار ۹۰ تن کود دامی بر هکتار، نسبت به تیمار بدون کود، میزان کاهش جرم مخصوص و نشست خاک به ترتیب ۷/۱۴ و ۹۴/۶ درصد اندازهگیری شد. با افزایش تعداد تردد از ۱ به ۱۶ و افزایش رطوبت از ۸ به ۱۴ درصد، جرم مخصوص ۲۱/۷ و ۹۲/۷ درصد افزایش نشان یافته است. برای مدلسازی، از شبکه عصبی پرسپترون چند لایه (MLP-ANN)، با ۶ نورون در لایه پنهان با تابع انتقال سیگموییدی و تابع انتقال خطی برای نورون خروجی، استفاده شد. مقایسه نتایج به دست آمده از مدل و نتایج تجربی نشان دهنده ضریب همبستگی ۹۹/۰ بین این مقادیر است. مقدار میانگین مربعات خطای مدل (MSE) و درصد میانگین مطلق خطای سیستم (MAPE) به ترتیب ۰۱۱۹۰۷۱/۰ و ۰۰۰۹۶۴۱/۰ به دست آمد که نشان از دقت بالای مدل شبکه عصبی در تخمین مقادیر تراکم خاک دارد.
کلیدواژه ها:
نویسندگان
کامل قادرنژاد
دانشجوی دکتریT گروه مهندسی بیوسیستم، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی
غلامحسین شاهقلی
دانشیار گروه مهندسی بیوسیستم، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران
عارف مردانی کرانی
دانشیار گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران
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 :