ارزیابی کارآیی مدل های شبکه عصبی مصنوعی در برآورد عملکرد اسانس گیاه مرزه تابستانه بر اساس ویژگی های زودیافت خاک

نویسندگان

  • حسین صبوری فرد دانش آموخته کارشناسی ارشد گروه علوم باغبانی دانشگاه علوم کشاورزی ومنابع طبیعی گرگان
  • خدایار همتی رئیس دانشکده تولید گیاهی-دانشگاه علوم کشاورزی و منابع طبیعی گرگان
  • عظیم قاسم نژاد هیات علمی، دانشیار گروه علوم باغبانی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
  • محمودرضا بهرامی مدرس دپارتمان مهندسی تولیدات گیاهی، دانشکده کشاورزی، دانشگاه فنی و حرفه‌ای خراسان رضوی
چکیده مقاله:

سابقه و هدف: یکی از نیازهای مهم در برنامه‌ریزی تولید و فرآوری گیاهان دارویی به منظور حصول عملکرد بالا و با کیفیت مطلوب، ارزیابی اولیه خصوصیات فیزیکی و شیمیایی خاک منطقه است که می‌توان 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 می‌شود. امروزه با ورود مدل‌های رگرسیونی چند متغیره و مدل‌های 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 روش‌های سریع، کم هزینه و با دقتی قابل قبول احساس می‌گردد. مواد و روش‌ها: این پژوهش بصورت طرح کاملاً 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 می‌باشد، در آزمایشگاه اندازه‌گیری و نتایج اولیه بدست آمد. تقریباً 90 روز پس از کشت بذور در گلدان‌های حاوی نمونه‌های مختلف خاکی، نمونه‌گیری از آن‌ها صورت گرفت. سپس نمونه‌ها به مدت 24 ساعت در آون 40 درجه سانتی‌گراد قرار گرفتند تا خشک شوند. در نهایت رابطه‌های 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 حساس‌ترین پارامترها، تجزیه حساسیت به روش ضریب بدون بعد حساسیت محاسبه گردید. بطوری که اگر مقدار ضریب حساسیت پارامتری از 1/0 بیش‌تر باشد، آن پارامتر جز پارامترهای حساس مدل محسوب ‌شد. یافته‌ها: شبکه عصبی مصنوعی از الگوی شبکه عصبی مصنوعی انسان شبیه‌سازی شده است، به گونه‌ای که می‌تواند 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 داده‌های پیش‌بینی با داده‌های اندازه‌گیری 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 حساس‌ترین پارامترها انتخاب گردید. نتیجه‌گیری: نتایج نشان داد که مدل‌های 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 می‌شود. از آنجایی که این تحقیق جزء اولین بررسی‌ها در مورد برآورد عملکرد اسانس گیاهان دارویی بود، لذا ادامه تحقیق و بررسی در این خصوص و همچنین پیش‌بینی عملکرد سایر گیاهان دارویی به این روش پیشنهاد می‌گردد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

پیش‌بینی میزان سرب خاک با استفاده از خصوصیات زودیافت براساس مدل شبکه عصبی مصنوعی

افزایش تولید آلاینده‌ها از جمله فلزات سنگین یکی از مشکلات جدی و در حال گسترش جامعه بشری است. آلودگی به فلزات سنگین نه‌تنها بر خصوصیات فیزیکی و شیمیایی خاک تأثیرگذار است، بلکه برای سلامتی انسان از طریق ورود به چرخه غذایی و نفوذ به آب‌های زیرزمینی خطرناک است. مطالعه حاضر با هدف پیش‌بینی میزان سرب خاک به‌عنوان یکی از مهم‌ترین فلزات سنگین با استفاده از خصوصیات زود­یافت خاک به کمک مدل شبکه عصبی مصنو...

متن کامل

درجه بندی زعفران بر اساس ویژگی های ظاهری با استفاده از شبکه های عصبی مصنوعی

زعفران به‌عنوان یک کالای تجاری مهم در کشور به­شمار می‌آید و توجه به مکانیزه کردن آن از مرحله تولید تا بسته‌بندی اهمیت زیادی دارد. در بدو ورود زعفران به فرایند کیفی سنجی در آزمایشگاه ، ارزیابی اولیه بر اساس مشخصات ظاهری زعفران توسط شخص خبره انجام می‌شود. لیکن بروز خطای انسانی در تشخیص کیفیت زعفران بر مبنای ویژگی‌های ظاهری آن امری اجتناب‌‌ناپذیر‌ است؛ استفاده از تکنیک‌های مبتنی بر هوش مصنوعی می‌ت...

متن کامل

ارزیابی کارایی مدل های شبکه عصبی مصنوعی در تخمین عملکرد محصول زعفران بر اساس پارمترهای اقلیمی

زعفران به عنوان با ارزش ترین محصول کشاورزی و دارویی جهان جایگاه ویژه ای در بین محصولات صنعتی و صادراتی ایران دارد. در حال حاضر ایران بزرگترین تولیدکننده و صادرکننده زعفران در جهان است، بطوریکه بیش از 7/93 درصد تولید جهانی این محصول گران بها به ایران اختصاص دارد، اما علیرغم قدمت کشت زعفران و ارزش افزوده این محصول در مقایسه با بسیاری از محصولات زراعی رایج در کشور سهم کمتری از فناوری های نوین را ب...

متن کامل

مقایسه کارآیی مدل سنجه رسوب و شبکه عصبی مصنوعی در برآورد بار کف رودخانه‌ها

به دلیل مشکلات نمونه‎برداری و عدم دقّت کافی معادلات تجربی، سنجش و گزینش مناسب‎ترین روش‎های برآورد رسوبات بار کف، اهمّیّت زیادی دارد.هدف پژوهش حاضر، مقایسة کارآیی مدل‎های آماری شبکة عصبی مصنوعی و منحنی سنجة رسوب در برآورد رسوبات بار کف است؛ بدین منظور، ابتدا 5 ایستگاه هیدرومتری دارای بیشترین تعداد نمونه انتخاب شدند؛ سپس منحنی سنجة رسوب و مدل شبکة عصبی مصنوعی با 70% داده‌های آنها ساخته و ارزیابی دقّت...

متن کامل

برآورد هدایت هیدرولیکی اشباع خاک با استفاده از پارامترهای زودیافت خاک و شبکه عصبی مصنوعی

هدایت هیدرولیکی اشباع خاک، از مهمترین ویژگی های فیزیکی خاک است که اهمیتی ویژه در شناخت، بررسی و مدل سازی ترابری آب، املاح و آلاینده های محیط متخلخل زیرزمینی دارد. باوجود تحقیقات متعددی که پیرامون اندازه گیری مستقیم هدایت هیدرولیکی اشباع صورت گرفته است، این روش ها همچنان پرهزینه، زمان بر و تخصصی هستند. از این رو ضرورت برآورد هدایت هیدرولیکی اشباع با استفاده از روش های سریع، کم هزینه و با دقتی قا...

15 صفحه اول

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 26  شماره 2

صفحات  47- 58

تاریخ انتشار 2019-08-23

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023