عملکرد مدل های شبکه عصبی پرسپترون چندلایه و توابع با پایه شعاعی در برآورد میزان محصول نیشکر
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 143
فایل این مقاله در 16 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_SUST-30-4_014
تاریخ نمایه سازی: 4 بهمن 1401
چکیده مقاله:
اهداف: با توجه به اهمیت بالای تولید پایدار محصولات کشاورزی در واحد های کشت و صنعت نیشکر، باید از سیستم های هوشمند مانند شبکه های عصبی مصنوعی جهت مدیریت واحد های مزرعه استفاده کرد. بدین منظور، هدف اصلی تحقیق، مقایسه عملکرد مدل های شبکه عصبی پرسپترون چندلایه و توابع پایه شعاعی به منظور مدل سازی و پیش بینی عملکرد نیشکر و بررسی عوامل موثر بر آن بود. مواد و روش ها: این تحقیق از نوع تحلیلی بوده و پایگاه داده ها ی آن ماتریسی به ابعاد درایه بود. داده های مورد نیاز این تحقیق طی سال های زراعی ۱۳۹۵ تا ۱۳۹۸ از واحد کشت و صنعت نیشکر دعبل خزاعی به دست آمد. متغیرهای ورودی مدل و واحدهای آنان به ترتیب شامل میزان هدایت الکتریکی خاک (دسی زیمنس بر متر)، مقدار کود شیمیایی فسفات و نیتروژن (کیلوگرم بر هکتار)، مقدار آب مصرفی (مترمکعب بر هکتار)، همچنین، تعداد دفعات آبیاری، ماه برداشت محصول، سن گیاه، واریته گیاه، و بافت خاک (بدون ابعاد) بودند. متغیر خروجی، میزان عملکرد (تن بر هکتار) بود. تجزیه و تحلیل توسط نرم افزار متلب ۲۰۱۷ انجام شد. یافته ها: با مقایسه پارامترهای خطای میانگین درصد خطای مطلق و جذر میانگین مربعات خطا و با توجه به شاخص های ضریب تبیین و بازده مدل، مدل توابع پایه شعاعی به ترتیب با داشتن ۰۶۴۴۹۴/۰(درصد)، ۰۳۷۶۸۶/۰، ۷۵۷۶/۰ و ۸۰۰۴۰۹/۰(بدون ابعاد) در مرحله اعتبارسنجی به عنوان مدل برتر انتخاب شد. همچنین، مدل توابع پایه شعاعی، متغیرهای واریته گیاه و میزان هدایت الکتریکی خاک را مهم ترین عامل موثر بر میزان عملکرد محصول نیشکر بیان کرد. نتیجه گیری: با انتخاب واریته مناسب گیاه نیشکر و کنترل میزان هدایت الکتریکی خاک می توان عملکرد در واحد سطح را افزایش داد و سبب بهره وری بیشتر از نهاده ها و تولید پایدارتری شد.
کلیدواژه ها:
نویسندگان
سینا شریفی
مکانیزاسیون کشاورزی، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران
نسیم منجزی
گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران
نگار حافظی
مکانیزاسیون کشاورزی، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، 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 :