پیشبینی و پتانسیل سنجی عملکرد گیاه کلزا با استفاده از مدل ماشین بردار پشتیبان ( SVM ) وجنگل تصادفی ( RF ) در منطقه قزوین
Publish place: 2nd National Conference on New Concepts in Agriculture
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 812
This Paper With 7 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:
NCNCA02_012
تاریخ نمایه سازی: 14 شهریور 1393
Abstract:
کلزا ( Brasica napus L.) یکی از مهمترین گیاهان روغنی جهان می باشد که کشت و تولید آن به دلیل سازگاری با شرایط اقلیمی اغلب نقاط کشور گسترش یافته است. بهمنظور بررسی پیشبینی و پتانسیل سنجی عملکرد این گیاه در منطقه قزوین، تحقیقی در سال 1391بر اساس دادههای سال زراعی 89-90 با استفاده از روش های ماشینبردار پشتیبان ( SVM ) و جنگل تصادفی ( RF ) انجام شد. در این تحقیق با بهرهگیری از دادههای متغیرهای عوامل اقلیمی، بافت خاک، کیفیت آب آبیاری و خصوصیات گیاهی، مناطق برتر کشت این محصول برای دستیابی به حداکثر عملکرد در هکتار مشخص شد. همچنین اهمیت هر یک از عوامل اثرگذار و کارایی و ارتباط دادهها با عملکرد دانه مورد بررسی قرار گرفت. سپس روش های یاد شده مورد مقایسه قرار گرفت و بهترین روش برای پیشبینی عملکرد دانه مشخص گردید. در محاسبه تغییرات میزان عملکرد دانه در هکتار با استفاده از مدل جنگل تصادفی( RF )، بالاترین ضریب تبیین و کمترین انحراف معیار مربوط به محاسبه مدل با ورود 75% دادهها در حالت آموزش، به ترتیب 0/93 و 0/04 به دست آمد. همچنین تجزیه واریانس نتایج نشان داد مقادیر بهدست آمده با ورود 50 % داده ها از نظر آماری اختلاف معنی داری با ورود 75% داده ها نشان نمی دهد لذا برتری روش استفاده از مدل جنگل تصادفی( RF ) نسبت به مدل ماشین بردار پشتیبان ( SVM) در محاسبه پیش بینی عملکرد دانه کلزا در هکتار کاملا مشهود است.
Keywords:
Authors
مسعود علایی تفتی
دانشگاه آزاد اسلامی واحد تاکستان
جهانفر دانشیان
دانشگاه آزاد اسلامی واحد تاکستان
محمود هنرور
دانشگاه آزاد اسلامی واحد شهر قدس
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 :