پیشبینی عملکرد جو دیم و آبی (Hordeum vulgare L.) با استفاده از رهیافت شبکه عصبی مصنوعی (مطالعه موردی: استان کرمانشاه)
Publish place: Journal Of Agroecology، Vol: 10، Issue: 2
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 213
This Paper With 13 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_AGRY-10-2_016
تاریخ نمایه سازی: 23 فروردین 1400
Abstract:
نظر به اهمیت پیشبینی تولید محصولات کشاورزی، آزمایشی با هدف برآورد عملکرد محصول جو دیم و آبی (Hordeum vulgare L.) با استفاده از رهیافت شبکه عصبی مصنوعی، در استان کرمانشاه به اجرا درآمد. دادههای مربوط به عملکرد 25 ساله (1370 تا 1394) جو دیم و آبی در شهرستانهای استان و همچنین دادههای خام و استاندارد شده هواشناسی (مجموع بارندگی سالیانه، متوسط درجه حرارت سالیانه، متوسط رطوبت سالیانه، مجموع ساعات آفتابی، میانگین تبخیر سالیانه و تعداد روزهای یخبندان) متناظر با این سالها بهعنوان دادههای ورودی شبکه مورد استفاده قرار گرفتند. برای یافتن بهترین شبکه، انواع مختلف شبکه عصبی برای تخمین عملکرد، آزمایش شد. ارزیابی مدلها نیز با استفاده از شاخصهای آماری ضریب همبستگی (R)، ضریب تعیین (R2)، میانگین مربعات خطا (MSE) و ریشه میانگین مربعات خطا (RMSE) انجام شد. نتایج نشان داد که بهترین شبکه برای جو دیم شبکههای عصبی مودولار ساخته شده از دادههای استاندارد و خام و با قانون یادگیری Momentum دارای ضریب همبستگی بهترتیب 96/0 و 92/0 بود. این در حالی بود که دقت شبکه عصبی در مورد جو آبی بهاندازه کشت دیم نبود (ضریب همبستگی برای دادههای ورودی استاندارد و خام بهترتیب 72/0 و 78/0). مقایسه شاخصهای MSE و RMSE بین مدلهای ذکر شده نیز مؤید این امر بود. بهنظر میرسد در جو آبی انجام عملیات مدیریت داشت مانند آبیاری از تأثیر عوامل اقلیمی بر روی عملکرد آن کاسته است. از سوی دیگر، حساسیت شبکه عصبی مربوط به کشت جو دیم نسبت به متغیرهای ورودی مدل بسیار بیشتر از کشت آبی بود که در نهایت دقت بیشتر شبکه را به همراه داشت.
Keywords:
Authors
علیرضا باقری
دانشگاه رازی
ناصر سهرابی
دانشگاه رازی
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 :