پیشبینی متغیرهای داخلی یک گلخانه دوطرفه شیشهای با ساختار ویژه با استفاده از مدلهای شبکه عصبی (MLP و RBF)
Publish place: Journal of Agricultural Machinery، Vol: 10، Issue: 2
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 353
This Paper With 15 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_JAM-10-2_008
تاریخ نمایه سازی: 6 دی 1399
Abstract:
یکی از مهمترین اقدامات بهمنظور ایجاد محیطی مناسب برای رشد بهینه گیاه گلخانهای، کنترل دقیق متغیرهای داخلی گلخانه بهمنظور بهینهسازی میزان تبادلات انرژی بین گلخانه با محیط بیرون است. در این راستا یکی از ایدههای جدید، هوشمندسازی گلخانه است. اولین قدم در این مسیر، پیشبینی تمامی متغیرهای تاثیرگذار یک گلخانه به حساب میآید. از این رو در این تحقیق از دو مدل شبکه عصبی (MLP-RBF) برای تخمین چهار متغیر تأثیرگذار (شامل دمای هوا، گیاه، سقف و رطوبت هوای داخل گلخانه) یک گلخانه دوطرفه شیشهای با ساختار ویژه واقع در شهر ملاثانی اهواز استفاده شد. بدین منظور از متغیرهای محیطی بیرونی شامل دما و رطوبت هوای بیرون و همچنین تابش روی سطح افق بهعنوان فاکتورهای ورودی مدلها، استفاده شد. دادهبرداری توسط حسگرهای مربوطه در گلخانهای به مساحت (12 مترمربع) و حجم هوای (40 مترمکعب) انجام گرفت. نتایج نشان داد که مدل RBF از دقتی حدود 50% بیشتر نسبت به مدل MLP برخوردار است. در این تحقیق قابلیت تعمیمپذیری هر دو مدل با 80 و 40 درصد از کل دادههای آموزشی مورد بررسی قرار گرفت. نتایج بهدست آمده نشان داد که مدل RBF قادر است با مجموعه دادههای کمتر نسبت به مدل MLP، نتایج را بهتر و دقیقتر برآورد کند. دقت بالاتر و قابلیت کار با مجموعه دادههای کمتر از مزایای شناخته شده مدل RBF در این تحقیق بود که میتواند در هوشمند کردن گلخانههای نسل جدید و کنترل آنها مورد استفاده قرار گیرد.
Keywords:
Authors
مکیه حمدانی
دانشگاه علوم کشاورزی و منابع طبیعی خوزستان
مرتضی تاکی
دانشگاه علوم کشاورزی و منابع طبیعی خوزستان
مجید رهنما
دانشگاه علوم کشاورزی و منابع طبیعی خوزستان
عباس روحانی
دانشگاه فردوسی مشهد
مصطفی رحمتی جنیدآباد
دانشگاه علوم کشاورزی و منابع طبیعی خوزستان
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 :