مقایسه نوع توابع عضویت برای پیش بینی عملکرد گندم به روش منطق فازی
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 541
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:
ICSDA02_103
تاریخ نمایه سازی: 9 مرداد 1395
Abstract:
مطالعات تناسب اراضی، مقایسه خصوصیات اراضی با نیازهای تیپ های بهره وری از اراضی در اراضی کشاورزی و انتخاب بهترین تیپ های بهره وری از اراضی برای کشت می باشند. هدف از مطالعه حاضر مقایسه اثر استفاده از توابع مثلثی،ذوزنقه ای، سیگموئیدی در ارزیابی تناسب اراضی به روش منطق فازی برای محصول گندم در شهر کیان، استان چهارمحال و بختیاری می باشد. در این تحقیق، فاکتورهای مورد مطالعه، شامل فاکتورهای اقلیمی و خصوصیات فیزیکی وشیمیایی خاک هستند. مراحل کلی مطالعه شامل مطالعات خاک شناسی، مطالعات آزمایشگاهی، زراعی و در نهایتارزیابی کیفی و کمی به روش فازی برای محصول گندم در منطقه است. خصوصیت ها و کیفیت های مؤثر بر گندم شامل خصوصیات اقلیمی و عوامل مربوط به خاک شاملESP ،pH ،EC درصد رس، سیلت، شن، ذرات درشت و کربنات کلسیم معادل می باشند. برای ارزیابی اقلیم از اطلاعات اقلیمی ایستگاه سینوپتیک شهرکرد استفاده گردید. برای محاسبه درجه های عضویت از توابع عضویت مثلثی، ذوزنقه ای، سیگموئیدی استفاده گردید. پارامترهای مربوط به شکل این توابعبه معادلاتی با ضرایب قابل تغییر تبدیل شدند و بهترین ضریب براساس ضرایب تبیین نهایی مدل انتخاب گردید. مقایسه نتایج ارزیابی با توابع ذکر شده از طریق مقایسه ضریب تبیین معادلات رگرسیونی بین شاخص اراضی و تولید مشاهده شده انجام گرفت. ضریب تبیین برای توابع سیگموئیدی، ذوزنقه ای، مثلثی به ترتیب برابر با 0/238و0/735و0/361 به دست آمد. نتایج نشان داد که استفاده از تابع ذوزنقه ای برای ارزیابی تناسب اراضی کارایی بالاتری نسبت به استفاده از تابع سیگموئیدی و ذوزنقه ای دارد.
Keywords:
Authors
فاطمه رحمتی
دانشجوی سابق کارشناسی ارشد علوم خاک دانشگاه ولی عصر رفسنجان
اردوان کمالی
استادیار علوم خاک دانشگاه ولی عصر رفسنجان
حسین شیرانی
دانشیار علوم خاک دانشگاه ولی عصر 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 :