ارزیابی عملکرد سمپاش زراعی نرخ متغیر با استفاده از شبکه های عصبی مصنوعی

Authors: not saved

Abstract:

جهت ارزیابی عملکرد پاشش یک سمپاش زراعی نرخ متغیر، از روش شبکه عصبی مصنوعی استفاده شد. داده های لازم برای مدل سازی، از آزمون های مزرعه ای به دست آمد. 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 45، 22 و 23 داده به ترتیب برای آموزش، اعتبارسنجی و آزمایش استفاده شد. مدل تابع پایه شعاعی با یک لایه ورودی، 4 لایه پنهان و4 لایه خروجی کمینه خطا به عنوان بهترین مدل انتخاب شد. برای سنجش توانایی مدل عصبی در پیش گویی بده افشانک ها، نتایج حاصل از این روش با مدل آماری مقایسه شد. بر اساس نتایج، میانگین مقادیرR2 افشانک ها در مدل آماری برابر با 980/0، 979/0، 981/0 و 980/0 و در مدل های عصبی مذکور به ترتیب برابر با 994/0، 988/0، 997/0 و 990/0 به دست آمد. هم چنین میانگین ضریب تغییرات با استفاده از مدل های آماری و شبکه عصبی به ترتیب برابر با 96/18 درصد و 05/19 درصد بود. نتایج نشان داد، که مدل شبکه عصبی مصنوعی در مقایسه با مدل آماری روش دقیق تری برای پیش گویی بده سمپاش بر اساس تغییرپذیری های مکانی سم در مزارع است

Upgrade to premium to download articles

Already have an account?login

similar resources

پایش تغییرپذیری فرآیندهای چند مشخصه وصفی و متغیر با استفاده از شبکه عصبی مصنوعی

امروزه در برخی محیط‏های تولیدییا خدماتی، کیفیت محصول یا عملکرد فرآیند به وسیله ترکیبی از مشخصه‏های کیفی متغیر و وصفی همبسته توصیف می‏گردد. بر اساس آخرین اطلاعات مؤلفان، تا کنون هیچ روشی برای پایش ماتریس واریانس- کوواریانس این گونه فرآیندها ارائه نشده است. در این مقاله، یک شبکه عصبی مصنوعی برای پایش تغییرپذیری یک فرآیند چند مشخصه وصفی و متغیر ارائه شده است. شبکه ارائه شده نه تنها قادر به کشف وضع...

full text

ارزیابی پتروفیزیکی مخزن هیدروکربوری با استفاده از داده های چاه نگاری و تکنیک شبکه عصبی مصنوعی

full text

مقایسه قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک

این مطالعه تلاشی است در جهت بهکارگیری ترکیب مدل شبکهی عصبی پویا و تجزیهی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیشبینی متغیر مذکور میباشد. جهت تحقق این مهم، از دادههای سریزمانی ماهانهی نرخ ارز طی بازهی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده بوده که از این بین، تعداد 150 مشاهده جهت مدلسازیها استفاده شده و تعداد 27 مشاهده نیز جهت شبیهسازی و یا به بیان دی...

full text

مدل‌سازی بازده کششی تراکتور با استفاده از شبکه عصبی مصنوعی

در این مطالعه آزمایشهای مزرعهای در شرایط متفاوت عمق شخم، سرعت پیشروی و میزان وزنههای متصل به تراکتور انجام شد. در این تحقیق، عمق شخم در چهار سطح 5، 10، 15 و 20 سانتیمتر، سرعتهای پیشروی در چهار سطح 5/2، 5/3، 5/4 و 5/5 کیلومتر بر ساعت و میزان سنگینکننده نیز در چهار سطح 0، 40، 80 و 120 کیلوگرم قرار گرفت. شبکههای عصبی مدلسازی شده در این تحقیق که به منظور پیشبینی بازده کششی تراکتور مورد اس...

full text

تعیین ارزش دارایی‌های نامشهود با استفاده از شبکه عصبی مصنوعی

درک عوامل موثر بر ارزش شرکت برای سرمایه‌گذاران و اعتباردهندگان پیش از اتخاذ تصمیمات سرمایه‌گذاری یا اعطای تسهیلات، امری حیاتی است. از آن‌جایی که اقتصاد دانش‌محور در حال تکامل یافتن است، روش ایجاد ارزش شرکتی از شیوه سنتی مبتنی بر دارایی‌های فیزیکی به دانش نامشهود منتقل شده است. از این‌رو در آینده نه چندان دور، ارزش‌گذاری دارایی‌های نامشهود به موضوع مهمی در اقتصاد مبدل خواهد شد. این مطالعه بر آن ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title

مهندسی زیست سامانه

volume 5 issue 3

pages 35- 46

publication date 2016-12-20

unfollow

{@ msg @}

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

سمپاش نرخ متغیر شبکه های عصبی مصنوعی کشاورزی دقیق مدل های آماری

Hosted on Doprax cloud platform doprax.com