پیش بینی الگوی توزیع مکانی جمعیت علف هرز تلخه (Acroptilon repens L.) با استفاده از مدل شبکه عصبی مصنوعی بردار چندی ساز یادگیر (LVQ)
Publish Year: 1392
نوع سند: مقاله ژورنالی
زبان: Persian
View: 157
This Paper With 14 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_SUST-23-1_007
تاریخ نمایه سازی: 16 اسفند 1401
Abstract:
پیشرفتهای اخیر در کشاورزی دقیق سبب شده است تا مدل های قابل انعطاف مختلفی جهت پیش بینی، طبقهبندی و تهیه نقشههای دقیق از جمعیت علفهای هرز به منظور کنترل متناسب بامکان آنها ارائه شود. این پژوهش به منظور پیش بینی الگوی پراکنش جمعیت علف هرز تلخه با استفاده از شبکه عصبی بردار چندی ساز یادگیر(LVQNN) در سطح مزرعه انجام شد. داده های مربوط به تراکم جمعیت علف هرز تلخه از طریق نمونه برداری بر روی یک شبکه علامت گذاری شده مربعی به ابعاد ۲×۲ متر ودرمجموع از ۵۵۰ نقطه از سطح مزرعه در حال آیش در شهرستان شاهرود واقع در استان سمنان در سال ۱۳۸۹ بدست آمد. برای ارزیابی قابلیت شبکه عصبی LVQدر پیش بینی توزیع مکانی علف هرز از مقایسه آماری پارامترهایی مانند میانگین، واریانس، توزیع آماری و رابطه رگرسیونی بین مقادیر پیش بینی شده مکانی توسط شبکه عصبی و مقادیر واقعی آنها و نیز معیار دقت کلاس بندی استفاده شد. نتایج نشان داد که در فاز آموزش، آزمایش و کل، به ترتیب مقادیر ۷/۰ ≤p ، ۸/۰ ≤p و ۰۰۰/۱ =p بدست آمد، که نشان دهنده عدم وجود تفاوت معنی داری در سطح ۵ درصد بین مقادیر ویژگی های آماری (میانگین، واریانس و توزیع آماری) مجموعه داده های پیش بینی شده مکانی علف هرز و مقادیر واقعی آنها بود. به عبارتی شبکه عصبی مصنوعی به خوبی توانست مدل داده های مکانی علف هرز را بیاموزد. نتایج نشان داد که شبکه عصبی آموزش دیده، دارای قابلیت بالایی در پیش بینی مکانی علف هرز در نقاط نمونه برداری نشده با دقت تشخیص کمتر از ۷/۲ درصد بود. شبکه عصبی توانست پس از کلاس بندی، نقشه توزیع مکانی علف هرز تلخه را در تمام نقاط سطح مزرعه ترسیم نماید. نقشه حاصل از کلاسبندی نشان داد که علف هرز تلخه دارای توزیع لکه ای است و لذا امکان کنترل متناسب با مکان آن در مزرعه مورد مطالعه وجود دارد.
Authors
حسن مکاریان
استادیار، گروه زراعت، علف های هرز، دانشکده کشاورزی، دانشگاه صنعتی شاهرود
عباس روحانی
استادیار، گروه مکانیزاسیون کشاورزی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
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 :