پیش بینی عملکرد سویا در شرایط دیم با استفاده از سیستم استنتاج نروفازی (ANFIS)
Publish place: Journal of Crop Production and Processing، Vol: 5، Issue: 16
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 235
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JCPP-5-16_025
تاریخ نمایه سازی: 5 خرداد 1400
Abstract:
یکی از روش های پیش بینی عملکرد گیاهان زراعی دیم استفاده از مشخصات آب و هوایی می باشد. پیش بینی عملکرد گیاهان زراعی نقش مهمی در سیاست گذاری های بخش کشاورزی ایفا می کند. آشکارترین کاربرد آن، تعیین اعتبار لازم جهت خرید گیاهان زراعی و قیمت گذاری آن برای سال آینده می باشد. تاکنون از مدل های ریاضی شامل آنالیز رگرسیون و نیز شبکه های عصبی مصنوعی جهت پیش بینی عملکرد گیاهان زراعی دیم استفاده شده است. در این پژوهش با استفاده از سیستم استنتاج نروفازی (ANFIS) و داده های هواشناسی ۱۱ سال زراعی (۱۳۸۸ - ۱۳۷۷)، روشی جدید جهت پیش بینی عملکرد گیاهان زراعی سویای دیم در منطقه گنبد استان گلستان به کار گرفته شده است. مشخصات مورد استفاده به عنوان ورودی سیستم استنتاج نروفازی (ANFIS) شامل میانگین هفتگی بارندگی، درجه حرارت، درصد رطوبت و تعداد ساعات آفتابی و خروجی آن میزان عملکرد گیاهان زراعی بر حسب کیلوگرم در هکتار می باشد. تحلیل رگرسیون چند مرحله ای پیش رو برای انتخاب مشخصات بهینه جهت پیش بینی عملکرد گیاهان زراعی با استفاده از نرم افزار SPSS ۱۸ و ایجاد، آموزش و آزمون سیستم استنتاج نروفازی (ANFIS) با استفاده از نرم افزار Matlab R۲۰۱۱a انجام شد. ANFIS به کار گرفته شده در این پژوهش دارای تابع عضویت از نوع "constant" در لایه خروجی و تابع عضویت از نوع "gaussmf" در لایه ورودی می باشد. تعداد توابع عضویت برای هر کدام از ورودی ها ۳ تابع و برای لایه خروجی ۱ تابع بود. نتایج به دست آمده نشان داد که سیستم استنتاج نروفازی ارائه شده با ۲۱ قانون قادر به پیش بینی عملکرد گیاهان زراعی سویای دیم با مقدار RSME برابر با ۱۷۰/۱۰۲ می باشد.
Keywords:
Authors
سید جواد سجادی
GonbadKavous University, Iran
حسین صبوری
GonbadKavous University, Iran
حسینعلی فلاحی
Golestan Agricultural and Environmental Research Center, GonbadKavous Research Station, Iran
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 :