کاربرد شبکه عصبی مصنوعی جهت پیش بینی مقاومت به سرمای نشاهای گوجه فرنگی پس از پیش تیمار تنش خشکی
Publish place: Environmental Stresses in Crop Sciences، Vol: 10، Issue: 4
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 532
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ESCS-10-4_010
تاریخ نمایه سازی: 9 تیر 1399
Abstract:
دمای پایین منجر به آسیب های فیزیولوژیکی به سلول گیاهان حساس به سرمازدگی و از بین رفتن محصولات گرمسیری و نیمه گرمسیری می شود. در این مطالعه مدل سازی شبکه عصبی مصنوعی به منظور پیش بینی اثر تنش سرما بر نشاء گوجه فرنگی بعد از اعمال پیش تیمار خشکی با 0، 10 و 20 درصد پلی اتیلن گلیکول استفاده گردید. امکان افزایش تحمل تنش سرمایی در نشاهای گوجه فرنگی با کاربرد پلی اتیلن گلیکول بررسی و پس از اعمال تنش سرما به مدت 6 ساعت در روز به مدت6 روز متوالی و در دمای 3 درجه سلسیوس، داده ها جمع آوری گردید. به منظور پیش بینی اثر تنش سرما بر خصوصیات نشاء گوجه فرنگی از شبکه عصبی پرسپترون چندلایه پیش خور با 2 ورودی (اثر تنش خشکی و اثر تنش سرمایی) و 8 خروجی (کلروفیل a، کلروفیل b، فنل کل، محتوای آب نسبی، فلورسانس کمینه، فلورسانس بیشینه، نشت یونی ریشه و پرولین) استفاده شد. نتایج نشان داد شبکه ای با تعداد 7 نرون در یک لایه پنهان و با استفاده از تابع فعال سازیتانژانت هیپربولیکو روش بهینه سازی لیونبرگ مارکوت و درصد داده های مورداستفاده برای تربیت/ آزمون/ ارزیابی برابر 40/20/40 می توان اثر تنش خشکی بر میزان مقاومت به سرمای نشاهای گوجه فرنگی را با میانگین ضریب همبستگی برابر 0.92 تخمین زد. بر اساسنتایج آنالیز حساسیت توسط شبکه عصبی بهینه، شدت تنش خشکی اعمال شده با پلی اتیلن گلیکول موثرترین عامل در تخمین تحمل به سرما و خصوصیات فیزیولوژیکی گوجه فرنگی می باشد.
Keywords:
Authors
فردین قنبری
عضو باشگاه پژوهشگران جوان و نخبگان، دانشگاه آزاد اسلامی، واحد خرم آباد
فخرالدین صالحی
استادیار گروه علوم و مهندسی صنایع غذایی، دانشگاه بوعلی سینا، همدان
محمد سیاری
دانشیار گروه علوم باغبانی، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :