بررسی عوامل موثر بر میزان عملکرد تولید نیشکر با هدف افزایش تولید با استفاده از رهیافت داده کاوی

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 135

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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_IJBSE-49-3_014

تاریخ نمایه سازی: 31 اردیبهشت 1402

Abstract:

نیشکر یکی از مهم ترین محصولات کشاورزی- صنعتی کشور است. با توجه به سطح زیر کشت بالای این محصول در استان خوزستان و حجم بالای داده های ذخیره شده در این واحدهای مکانیزه کشاورزی، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کرد. تکنیک داده کاوی به خوبی قادر است تا در زمینه مدل سازی عملکرد محصول نیشکر، اطلاعات و الگوهای لازم را در اختیار تولیدکنندگان نیشکر قرار دهد. یکی از کاربردی ترین این الگوریتم ها درخت های تصمیم است. هدف اصلی این پژوهش، پیش بینی عملکرد نیشکر و بررسی عوامل موثر بر آن با استفاده از درخت های تصمیم CART و CHAID است. این پژوهش از نوع تحلیلی بوده و پایگاه داده آن شامل ۱۳۲۱۱ رکورد می باشد. داده های مورد نیاز این تحقیق طی سال های زراعی ۱۳۹۲ تا ۱۳۹۶ از کشت و صنعت امیرکبیر به دست آمده است. تجزیه و تحلیل با استفاده از نرم افزار IBM SPSS modeler ۱۴.۲ انجام شده است. بر اساس نتایج تحقیق، دقت مدل درخت های تصمیم CART و CHAID برای داده های آموزش و آزمایش به ترتیب ۹۰، ۸۱، ۸۵ و ۷۹ درصد می باشد. نتایج حاصل از این پژوهش می تواند برای کشت و صنعت های نیشکری استان خوزستان در راستای ارزیابی و  بهینه سازی فرآیند تولید نیشکر و پیش بینی عملکرد محصول نیشکر راه گشا باشد.

Authors

حسن ذکی دیزجی

استادیار، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران

نسیم منجزی

دانش آموخته دکتری، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران

محمد جواد شیخ داوودی

استاد، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران

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 :
  • Ayman E. K., Kadry, M. & Walid, G. (۲۰۱۵). Proposed ...
  • Geetha, M. C. S. (۲۰۱۵). A survey on data mining ...
  • Goktepe, A. B., Altun, S. & Sezar, A. (۲۰۱۵). Soil ...
  • Jeysenthil.K. M. S., Manikandan.T & Murali, E. (۲۰۱۴). Third generation ...
  • Kalpana, R., Shanthi, N. & Arumugam, S. (۲۰۱۴a). Data mining ...
  • Kalpana, R., Shanthi, N. & Arumugam, S. (۲۰۱۴b). A survey ...
  • Lawes, R. A., Lawn, R. J., Wegener, M. K. & ...
  • Monjezi, N., Sheikhdavoodi۱, M. J., Zakidizaji۱, H., Marzban, A. & ...
  • Monjezi, N., Sheikhdavoodi, M. J., Zakidizaji, H., Marzban, A. & ...
  • Monjezi, N., Sheikhdavoodi, M. J., Zakidizaji, H., Marzban, A. & ...
  • Monjezi, N. & Zakidizaji, H. (۲۰۱۷). Fuzzy approach to optimize ...
  • Ramesh, D. & Vishnu Vardhan, B. (۲۰۱۳). Data mining techniques ...
  • Raorane, A.A. & Kulkarni R.V. (۲۰۱۳). Review- Role of data ...
  • Sharma, L. & Mehta, N. (۲۰۱۲). Data mining techniques: A ...
  • Yethiraj, N. G. (۲۰۱۲). Applying Data Mining Techniques in the ...
  • Yoneyama, Y., Suzuki, S., Sawa, R., Yoneyama, K., Power, G. ...
  • نمایش کامل مراجع