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

مقاله مقاله نشریه

مشخصات مقاله

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

نسخه انگلیسی

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

video

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

sound

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

نسخه انگلیسی

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

بازدید:

1,203
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

622
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی عملکرد ذرت علوفه ای با استفاده از شبکه های عصبی مصنوعی

صفحات

 صفحه شروع 77 | صفحه پایان 95

چکیده

 افزایش روزافزون تقاضای محصولات کشاورزی و افزایش فشار بر منابع آب و خاک از یک سو و مشکلات دستیابی به داده های میدانی از سوی دیگر, ضرورت استفاده از مدل های مناسب برای پیش بینی عملکرد محصولات کشاورزی را نمایان می سازد. در این میان مدل های کامپیوتری امکان بررسی استراتژی های مختلف مدیریتی را فراهم آورده اند. هدف اصلی این پژوهش تعیین حداقل پارامترهای ورودی مورد نیاز برای تعیین عملکرد ذرت علوفه ای به کمک شبکه های عصبی مصنوعی و نیز کاربرد این نوع از شبکه ها برای پیش بینی عملکرد ذرت علوفه ای در سطوح مختلف آب و کود نیتروژنی می باشد. بدین منظور داده های آزمایشی مزرعه ای ذرت علوفه ای در چهار سطح آبیاری 0.7, 0.85, 1 و 1.13 آب مورد نیاز گیاه (ETc) و سه سطح کودی صفر, 150 و 200 کیلوگرم نیتروژن در هکتار مورد استفاده قرار گرفت. نتایج نشان داد زمانی که حداقل سه پارامتر آب آبیاری, کود نیتروژنی و درجه روز رشد به عنوان ورودی به مدل شبکه عصبی مصنوعی معرفی شوند این مدل قادر به پیش بینی عملکرد ماده خشک ذرت علوفه ای با دقت بالایی می باشد. بهترین اعتبار سنجی این مدل, در گام دهم آموزش و با میانگین مربعات خطای 0.003 حاصل شد. همچنین نتایج آنالیز حساسیت حاکی از آن بود که درجه روز رشد با ضریب حساسیت 9.96, مهمترین پارامتر موثر بر پیش بینی عملکرد ذرت علوفه ای می باشد و پس از آن میزان آب آبیاری با ضریب حساسیت 2.07 قرار می گیرد. افزودن پارامترهای تشعشع خورشیدی و رطوبت نسبی متوسط به ورودی ها سبب کاهش میزان میانگین مربعات خطا یا به عبارتی افزایش دقت مدل در روند آموزش شبکه می شوند.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    باقری، سارا، قیصری، مهدی، ایوبی، شمس اله، و لوایی، نیلوفر. (1391). پیش بینی عملکرد ذرت علوفه ای با استفاده از شبکه های عصبی مصنوعی. پژوهش های تولید گیاهی (علوم کشاورزی و منابع طبیعی)، 19(4)، 77-95. SID. https://sid.ir/paper/155972/fa

    Vancouver: کپی

    باقری سارا، قیصری مهدی، ایوبی شمس اله، لوایی نیلوفر. پیش بینی عملکرد ذرت علوفه ای با استفاده از شبکه های عصبی مصنوعی. پژوهش های تولید گیاهی (علوم کشاورزی و منابع طبیعی)[Internet]. 1391؛19(4):77-95. Available from: https://sid.ir/paper/155972/fa

    IEEE: کپی

    سارا باقری، مهدی قیصری، شمس اله ایوبی، و نیلوفر لوایی، “پیش بینی عملکرد ذرت علوفه ای با استفاده از شبکه های عصبی مصنوعی،” پژوهش های تولید گیاهی (علوم کشاورزی و منابع طبیعی)، vol. 19، no. 4، pp. 77–95، 1391، [Online]. Available: https://sid.ir/paper/155972/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button