کاربرد سامانه استنتاج فازی برای تخمین عملکرد سیب زمینی، یونجه و گندم در شهرکیان
Publish place: The Journal of Water and Soil، Vol: 26، Issue: 3
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 133
This Paper With 11 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_WASO-26-3_019
تاریخ نمایه سازی: 25 دی 1401
Abstract:
در این پژوهش کارآیی سامانه استنتاج فازی برای پیش بینی عملکرد محصولات مهم شهر کیان، استان چهارمحال و بختیاری مورد ارزیابی قرار گرفت و با روش های مبتنی بر منطق ارسطویی بولین (روش سنتی) مقایسه شد. برای این منظور پس از نمونهبرداری از خاک ۲۱ نقطه مشاهداتی با فواصل یک کیلومتر در یک کیلومتر بهروش معمول مطالعات خاکشناسی نیمهتفصیلی، انجام تجزیههای فیزیکی و شیمیایی بر روی آنها و تعیین میانگین وزنی خصوصیات مزبور تا عمق یک متری خاک، تناسب کمی اراضی بهدو روش ریشه دوم (روش سنتی مبتنی بر منطق بولین) و سامانه استنتاج فازی (از طریق محاسبه توابع عضویت کلاسهای تناسب اراضی) برای سه محصول گندم، سیب زمینی و یونجه تعیین شد. هم چنین با استفاده از پارامترهای اقلیمی و بر اساس مدل فائو، تولید پتانسیل محصولات در منطقه مورد مطالعه تعیین شد و در پی آن عملکرد محصول در نقاط نمونهبرداری شده، پیشبینی شد. نتایج ارزیابی بهدو روش سامانه استنتاج فازی و روش سنتی از طریق مقایسه ضریب تبیین معادلات رگرسیونی بین شاخص اراضی و تولید مشاهده شده (واقعی) در صحرا مقایسه گردید. ضریب تبیین مدل بولین برای کاربری های گندم، یونجه و سیب زمینی به ترتیب برابر با ۷۴/۰، ۶/۰ و ۶۴/۰ و برای مدل فازی، به ترتیب ۷۵/۰، ۷۱/۰ و ۸۹/۰ به دست آمد. نتایج نشان داد که ارزیابی تناسب اراضی بهروش سامانه استنتاج فازی، کارآیی بالاتری نسبت به روش مبتنی بر منطق بولین در این منطقه دارد.
Keywords:
Authors
اردوان کمالی
استادیار گروه علوم خاک، دانشکده کشاورزی، دانشگاه ولی عصر (عج) رفسنجان
حسین شیرانی
دانشیار، گروه علوم خاک، دانشکده کشاورزی، دانشگاه ولی عصر (عج) رفسنجان
فاطمه رحمتی
دانش آموخته کارشناسی ارشد، گروه علوم خاک، دانشکده کشاورزی، دانشگاه ولی عصر (عج) رفسنجان
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 :