مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

907
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

512
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

تعیین الگوی توزیع جمعیت علف هرز خارشتر .Alhagi pseudalhagi (M.B) Desv با استفاده از شبکه عصبی مصنوعی چندی ساز بردار یادگیر (LVQ4)

صفحات

 صفحه شروع 118 | صفحه پایان 127

چکیده

 تهیه نقشه های دقیق پراکنش علف های هرز به منظور کنترل متناسب با مکان آن ها مورد توجه بسیاری از محققین می باشد. این پژوهش نیز به منظور بررسی توزیع علف هرز خارشتر و ترسیم نقشه پراکنش آن با استفاده از شبکه عصبی چندی ساز بردار یادگیر (LVQ4) در سطح مزرعه انجام شد. داده های مربوط به جمعیت علف هرز خارشتر از طریق نمونه برداری از 550 نقطه از سطح یک مزرعه در حال آیش واقع در مزرعه تحقیقاتی دانشکده کشاورزی دانشگاه صنعتی شاهرود در استان سمنان در سال 1389 بدست آمد. ارزیابی قابلیت شبکه عصبی در پیش بینی توزیع مکانی علف هرز با مقایسه آماری پارامترهایی مانند میانگین, واریانس, توزیع آماری رگرسیونی بین مقادیر پیش بینی شده مکانی توسط شبکه عصبی و مقادیر واقعی آنها و نیز معیار دقت کلاس بندی انجام شد. نتایج نشان داد که در فاز آموزش, آزمایش و کل, به ترتیب مقادیر p³0.2 ,p³0.7 و  p=1.000بدست آمد که نشان دهنده عدم وجود تفاوت معنی داری در سطح 5 درصد بین مقادیر ویژگی های آماری (میانگین, واریانس و توزیع آماری) مجموعه داده های پیش بینی شده مکانی علف هرز و مقادیر واقعی آنها بود. به عبارتی شبکه عصبی مصنوعی به خوبی توانست مدل داده های مکانی علف هرز را بیاموزد. نتایج نشان داد که شبکه عصبی آموزش دیده, دارای قابلیت بالایی در پیش بینی مکانی علف هرز در نقاط نمونه برداری نشده با خطای تشخیص کمتر از 0.90 درصد بود. شبکه عصبی توانست پس از کلاس بندی, نقشه توزیع مکانی علف هرز خارشتر را در تمام نقاط سطح مزرعه ترسیم نماید. نقشه حاصل از کلاس بندی نشان داد که علف هرز خارشتر دارای توزیع لکه ای است و لذا امکان کنترل متناسب با مکان آن در مزرعه مورد مطالعه وجود دارد.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    روحانی، عباس، و مکاریان، حسن. (1392). تعیین الگوی توزیع جمعیت علف هرز خارشتر .Alhagi pseudalhagi (M.B) Desv با استفاده از شبکه عصبی مصنوعی چندی ساز بردار یادگیر (LVQ4). (حفاظت گیاهان) پژوهش های حفاظت گیاهان ایران، 27(1)، 118-127. SID. https://sid.ir/paper/142774/fa

    Vancouver: کپی

    روحانی عباس، مکاریان حسن. تعیین الگوی توزیع جمعیت علف هرز خارشتر .Alhagi pseudalhagi (M.B) Desv با استفاده از شبکه عصبی مصنوعی چندی ساز بردار یادگیر (LVQ4). (حفاظت گیاهان) پژوهش های حفاظت گیاهان ایران[Internet]. 1392؛27(1):118-127. Available from: https://sid.ir/paper/142774/fa

    IEEE: کپی

    عباس روحانی، و حسن مکاریان، “تعیین الگوی توزیع جمعیت علف هرز خارشتر .Alhagi pseudalhagi (M.B) Desv با استفاده از شبکه عصبی مصنوعی چندی ساز بردار یادگیر (LVQ4)،” (حفاظت گیاهان) پژوهش های حفاظت گیاهان ایران، vol. 27، no. 1، pp. 118–127، 1392، [Online]. Available: https://sid.ir/paper/142774/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی





    بازگشت به بالا