ارزیابی کارآیی مدل های شبکه عصبی مصنوعی در برآورد عملکرد اسانس گیاه مرزه تابستانه بر اساس ویژگی های زودیافت خاک
Publish place: Plant Production Research، Vol: 26، Issue: 2
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 385
This Paper With 12 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_JOPP-26-2_004
تاریخ نمایه سازی: 11 آبان 1398
Abstract:
سابقه و هدف: یکی از نیازهای مهم در برنامه ریزی تولید و فرآوری گیاهان دارویی به منظور حصول عملکرد بالا و با کیفیت مطلوب، ارزیابی اولیه خصوصیات فیزیکی و شیمیایی خاک منطقه است که می توان با اجتناب از کاربرد غیرضروری آزمایشات متنوع خاکشناسی، هزینه تولید را به حداقل کاهش داد. مرزه تابستانه (Satureja hortensis L) از جمله گیاهان دارویی پرکاربرد است که میزان اسانس و ترکیبات آن شاخص کیفی گیاه محسوب می شود. امروزه با ورود مدل های رگرسیونی چند متغیره و مدل های شبکه مصنوعی در تحقیقات، بسیاری از روابط پیچیده موجود در طبیعت قابل درک است. از این رو ضرورت برآورد عملکرد اسانس گیاه مرزه با استفاده از روش های سریع، کم هزینه و با دقتی قابل قبول احساس می گردد. مواد و روش ها: این پژوهش بصورت طرح کاملا تصادفی، در سه تکرار و بصورت گلدانی انجام شد. از مناطق مختلف شهرستان نیشابور 53 نمونه خاک تهیه و پارامترهای زودیافت آن که شامل 1-درصد شن، 2-درصد سیلت، 3-درصد رس، 4-مواد آلی، 5-اسیدیته، 6-شوری، 7-فسفر، 8-پتاسیم، 9-نیتروژن، 10-درصد کربن می باشد، در آزمایشگاه اندازه گیری و نتایج اولیه بدست آمد. تقریبا 90 روز پس از کشت بذور در گلدان های حاوی نمونه های مختلف خاکی، نمونه گیری از آن ها صورت گرفت. سپس نمونه ها به مدت 24 ساعت در آون 40 درجه سانتی گراد قرار گرفتند تا خشک شوند. در نهایت رابطه های بین عملکرد اسانس گیاه مرزه و پارامترهای زودیافت خاک با تجزیه شبکه عصبی مصنوعی و با استفاده از نرم افزار Matlab7.9 مشخص گردید. برای بدست آوردن حساس ترین پارامترها، تجزیه حساسیت به روش ضریب بدون بعد حساسیت محاسبه گردید. بطوری که اگر مقدار ضریب حساسیت پارامتری از 1/0 بیش تر باشد، آن پارامتر جز پارامترهای حساس مدل محسوب شد. یافته ها: شبکه عصبی مصنوعی از الگوی شبکه عصبی مصنوعی انسان شبیه سازی شده است، به گونه ای که می تواند پس از آموزش، پارامترهای خروجی مورد نظر را با اعمال پارامترهای ورودی برآورد نماید. در این پژوهش، از ساختار شبکه عصبی پرسپترون با الگوریتم آموزشی مارکوآت لونبرگ استفاده شد تا عملکرد اسانس از پارامترهای زودیافت خاک همچون بافت خاک، مواد آلی و عناصر پرمصرف برآورد شود. بالا بودن مقادیر R2 و پایین بودن مقادیر RMSE یاد شده بیانگر نزدیک بودن داده های پیش بینی با داده های اندازه گیری و دقت بالای مدل در برآورد عملکرد اسانس گیاه مرزه تابستانه است. بر این اساس پارامترهای بافت خاک(درصد شن، سیلت و رس) و کربن آلی، ماده آلی، شوری، پتاسیم و اسیدیته خاک به ترتیب به عنوان حساس ترین پارامترها انتخاب گردید. نتیجه گیری: نتایج نشان داد که مدل های عصبی ایجاد شده قادر نبودند عملکرد اسانس در گیاه مرزه تابستانه را با حداکثر دقت (R2= 0.50) برآورد نمایند. از بین 8 مدل برازش یافته یک مدل مبتنی بر متغیرهای مستقل EC + بافت + کربن + ماده آلی + پتاسیم + pH عملکرد بهتری داشت، با این وجود تعداد بالای عوامل ورودی این مدل محدودیت تلقی می شود. از آنجایی که این تحقیق جزء اولین بررسی ها در مورد برآورد عملکرد اسانس گیاهان دارویی بود، لذا ادامه تحقیق و بررسی در این خصوص و همچنین پیش بینی عملکرد سایر گیاهان دارویی به این روش پیشنهاد می گردد.
Keywords:
Authors
حسین صبوری فرد
دانش آموخته کارشناسی ارشد گروه علوم باغبانی دانشگاه علوم کشاورزی ومنابع طبیعی گرگان
عظیم قاسم نژاد
هیات علمی، دانشیار گروه علوم باغبانی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
خدایار همتی
رئیس دانشکده تولید گیاهی-دانشگاه علوم کشاورزی و منابع طبیعی گرگان
ابوطالب هزارجریبی
دانشیار گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی گرگان
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 :