مقایسه مدل های رگرسیون چند متغیره خطی و شبکه های عصبی مصنوعی برای برآورد عملکرد گندم دیم در مناطقی از زاگرس مرکزی
Authors
Abstract:
با توجه به اهمیت گندم در تغذیه انسان و سطح زیر کشت وسیع این محصول به صورت دیم در ایران، این پژوهش با هدف ارزیابی کارایی مدلهای رگرسیون چند متغیره خطی و شبکههای عصبی مصنوعی برای پیشبینی عملکرد دانه و زیستتوده گندم دیم (رقم سرداری)، در یک بررسی دو ساله اجرا شد. در دو منطقه از زاگرس مرکزی، 202 نقطه نمونهبرداری تحت کشت گندم دیم و در اجزای مختلف شیب شامل قله شیب، شانه شیب، شیب پشتی، پای شیب و انتهای شیب انتخاب شد. در زمان برداشت گندم، از این نقاط نمونه خاک و نمونه عملکرد گندم جمعآوری شد. ویژگیهای اولیه و ثانویه پستی و بلندی در هر نقطه، از مدلهای رقومی ارتفاع استخراج و از دادههای هواشناسی دو منطقه استفاده شد. 54 خصوصیت مختلف خاک، پستی و بلندی، بارندگی و مدیریت به عنوان ورودیهای هر مدل و عملکرد دانه و زیستتوده گندم به عنوان خروجیهای هر دو مدل در نظر گرفته شد. ضرایب تبیین مدلهای شبکه عصبی مصنوعی و رگرسیون چند متغیره خطی به ترتیب برای پیشبینی عملکرد دانه برابر 84 و 15درصد و برای پیشبینی زیستتوده هوایی برابر 76 و 6 درصد بود. ریشه دوم میانگین مربعات خطای (RMSE) این مدلها نیز به ترتیب در پیشبینی عملکرد دانه برابر 033/0 و 092/0 و در پیشبینی زیستتوده برای شبکه عصبی مصنوعی و رگرسیون چند متغیره خطی به ترتیب برابر 037/0 و 102/0 بود. نتایج نشان از توانایی بهتر شبکه های عصبی مصنوعی نسبت به رگرسیون چند متغیره خطی در برآورد عملکرد دانه و زیستتوده گندم دیم در مناطق مورد مطالعه داشت.
similar resources
کاربرد مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه در برآورد تراکم جنگل در جنگل-های باغان مریوان
مطالعه و مدلسازی ویژگیهای کمی جنگل بهمنظور هدایت اکوسیستم بهسوی اهداف ایدهآل و اجرای اقدامات حفاظتی و احیایی از اقدامات مهم به شمار میآید. در پژوهش پیشرو برآورد مشخصههای تعداد در هکتار درختان و تاجپوشش جنگل که معرف تراکم در اکوسیستم طبیعی جنگل میباشند، با استفاده از مدل رگرسیون خطی چندگانه و مدل شبکه عصبی مصنوعی، به کمک دادههای توپوگرافی، خاکشناسی، اقلیمی و استفاده از دادههای سنجش...
full textپیش بینی عملکرد گندم دیم با استفاده از رگرسیون چند متغیره و شبکه عصبی مصنوعی (مطالعه موردی: استان گلستان )
پیش بینی به موقع و دقیق پیش از برداشت محصولات زراعی هم¬چون گندم، می تواند در برنامه ریزی از جمله در قیمت گذاری، صادرات، واردات، انبارداری و تامین به موقع محصولات زراعی مفید باشد. از آنجائی¬که عملکرد گندم دیم علاوه بر خصوصیات ژنتیکی رقم، تابع رویدادهای اقلیمی می باشد لذا هدف از این تحقیق، تعیین مدلی است تا بتواند عملکرد گندم دیم را پیش از برداشت با استفاده از پارامترهای اقلیمی پیش بینی کند. در ا...
15 صفحه اولمقایسه عملکرد شبکه عصبی و رگرسیون چند متغیره در تخمین قیمت مسکن (مطالعه موردی: شهر اهواز)
مسکن همواره نیازی اساسی در جامعه تلقی میگردد. بازار مسکن طی سالهای گذشته یکی از پرنوسان-ترین بخشهای اقتصاد کشور ایران بوده است. از آنجایی که نغییرات بخش مسکن تاثیر فراوانی بر سایر بخشهای اقتصاد دارد بنابراین یکی از نیازهای قابل توجه در امر مسکن، پیشبینی دقیق قیمت این کالا می-باشد. در این راستا در پژوهش حاضر با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه، مدلی برای پیشبینی قیمت مسکن در ش...
full textمقایسه عملکرد شبکه عصبی و رگرسیون چند متغیره در تخمین قیمت مسکن (مطالعه موردی: شهر اهواز)
مسکن همواره نیازی اساسی در جامعه تلقی میگردد. بازار مسکن طی سالهای گذشته یکی از پرنوسان-ترین بخشهای اقتصاد کشور ایران بوده است. از آنجایی که نغییرات بخش مسکن تاثیر فراوانی بر سایر بخشهای اقتصاد دارد بنابراین یکی از نیازهای قابل توجه در امر مسکن، پیشبینی دقیق قیمت این کالا می-باشد. در این راستا در پژوهش حاضر با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه، مدلی برای پیشبینی قیمت مسکن در ش...
full textمقایسه مدلهای شبکه عصبی مصنوعی و رگرسیون چند متغیره در پیشبینی درصد پوشش درمنه کوهی از روی برخی خصوصیات خاک
full text
مقایسه مدل های شبکه عصبی مصنوعی و رگرسیون چند متغیره در تخمین تغییرات کیفی آب زیرزمینی (مطالعه موردی: آبخوان کاشان)
مجاورت آبخوان کاشان با جبهه آب شور دریاچه نمک، باعث ایجاد شیب هیدرولیکی و درنتیجه پیشروی آب شور به داخل آبخوان شده است. در این پژوهش با توجه به وضعیت موجود، شبیهسازی کیفی آب زیرزمینی دشت کاشان با استفاده از مدلهای شبکه عصبی مصنوعی (شامل پرسپترون چندلایه و تابع شعاعی) و رگرسیون چند متغیره انجام شد. برای این منظور ابتدا اقدام به تعیین تیپ غالب آب منطقه شد و سپس اقدام به مدلسازی شد. نتایج حاص...
full textMy Resources
Journal title
volume 5 issue 2
pages 119- 133
publication date 2016-11-21
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023