پیش بینی بده خروجی سمپاش زراعی نرخ متغیر با استفاده از شبکه عصبی مصنوعی

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 673

This Paper With 9 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:

NCAMEM08_055

تاریخ نمایه سازی: 14 شهریور 1393

Abstract:

به منظور پیش بینی بده خروجی یک سمپاش زراعی نرخ متغیر، از روش شبکه عصبی مصنوعی استفاده شد. برای مدل سازی بده خروجی افشانک ها، 727 شبکه با چهار نوع مدل عصبی مصنوعی خطی، پرسپترون چندلایه، تابع پایه شعاعی و رگرسیون تعمیم یافته آزمون شدند. برای هر افشانک 22،45 و 23 داده به ترتیب برای آموزش، اعتبارسنجی و آزمایش استفاده شدند. بر اساس مقایسه نتایج مدل ها، مدل تابع پایه شعاعی با یک لایه ورودی، 4 لایه پنهان و 4 لایه خروجی با حداقل خطا به عنوان بهترین مدل انتخاب شد. هم چنین براساس نتایج، میانگین مقادیر R2 افشانک ها در مدل عصبی مصنوعی برابر با 0/9942، 0/9879، 0/9669 و 0/990 به دست آمد. هم چنین میانگین ضریب تغییرات برابر با 18/96 % بود. به طور کلی نتایج به دست آمده نشان داد، که مدل عصبی مصنوعی روش دقیقی برای پیش گویی بده سمپاش بر اساس تغییرپذیری های مکانی سم در مزارع است.

Authors

نیکروز باقری

پژوهشگر، موسسه تحقیقات فنی و مهندسی کشاورزی

افشین ایوانی

استادیار پژوهشی موسسه تحقیقات فنی و مهندسی کشاورزی

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 :
  • دانشگاه فردوسی مشهد _ 9 تا _ یهمت ماه 1392 ...
  • Bagheri, N., H. Ahmadi., S.K. Alavipanah., M. Omid., and K. ...
  • Benur, P.J. and R.K. Taylor. 2009. Response time evaluation of ...
  • Bora, G.C. M.D. Schrock., D.L. Oard., J.J. Grimm., T.C. Kolb., ...
  • Carrara, M., A. Comparetti., P. Febo., and S. Orlando. 2004 ...
  • Gao, G., H. Zhou., X. Niu., and Z. Fang. 2013. ...
  • He, B., T. Oki, F. Sun., D. Komori., Sh. Kanae., ...
  • Kasabov, N. K. 1996. Foundations of Neural Networks, Fuzzy Systems, ...
  • Kim, Y .J., H.J. Kim., K.H. Ryu, and J.Y. Rhee. ...
  • Kustrin, A.S., and R. Beresford. 2000. Basic concepts of artificial ...
  • Moshou, D., K. Deprez, and H. Ramon. 2004. Prediction of ...
  • Payne, R.D., R.E. Rebis, and A.L. Moran. 1993. Spray forming ...
  • Plumb, A.P., R.C. Rowe., P. York, , andM. Brown. 2005 ...
  • Pokrajac, D., and Z. Obradovic. 2001. A neural network-based method ...
  • Schrock, M.D., J.J. Grimm., D.L. Oard, R.k. Taylor., T.C. Kolb., ...
  • Ulson, J.A.C., I.N.D. Silva., Sh. Benez., and R.L.V. Boas. 2000. ...
  • _ _ _ _ _ _ _ to ...
  • Witten, I. H., and E. Frank. 2000. Data Mining: Practical ...
  • Yang, C.C., S.O. Prasher., J.A. Landry., and H.S. Ramaswamy. 2003. ...
  • نمایش کامل مراجع