پیش بینی مشخصه‌های رطوبت تعادلی آفتابگردان به کمک مدل های تجربی و شبکههای عصبی مصنوعی
نویسندگان
چکیده مقاله:
در این پژوهش، از مدل های تجربی و شبکههای عصبی مصنوعی برای پیش‌بینی محتوای رطوبت تعادلی بذر و مغز آفتابگردان استفاده شد. چهار مدل ریاضی هندرسون اصلاح‌شده، چانگ-پی فاست، هالسی و گب برای این منظور بکار رفت. دو نوع شبکة پس‌انتشار (پیشرو و پیشخور) مورد آزمون قرار گرفت. به منظور آموزش الگوهای ورودی، الگوریتم یادگیری لونبرگ-مارکوارت مورد استفاده قرار گرفت. محدوده‌های دما و رطوبت نسبی به ترتیب بین 25 تاC°40 و 11 تا 96٪ اعمال شد. بهترین نتایج برای مدل های تجربی، برای مدل گب و هالسی به دست آمد. بهترین خروجی برای شبکههای عصبی مورد استفاده، مربوط به شبکة پیشخور، توپولوژی 1-3-5-3 و تابع آستانة TANSIG-TANSIG-LOGSIG است. با این شبکة بهینه، ضریب تبیین و خطای نسبی میانگین، به‌ترتیب 9935/0 و 01/5 حاصل شد. این نتایج، برتری شبکههای عصبی مصنوعی را نسبت به مدلهای ریاضی نشان می‌دهد. زیرا علاوه بر ایجاد خطای کمتر در پیش‌بینی مقدار رطوبت تعادلی، قادر است شاخص کیفی را نیز به عنوان ورودی لحاظ کند.
منابع مشابه
پیش بینی مشخصه های رطوبت تعادلی آفتابگردان به کمک مدل های تجربی و شبکه های عصبی مصنوعی
در این پژوهش، از مدل های تجربی و شبکه های عصبی مصنوعی برای پیش بینی محتوای رطوبت تعادلی بذر و مغز آفتابگردان استفاده شد. چهار مدل ریاضی هندرسون اصلاح شده، چانگ-پی فاست، هالسی و گب برای این منظور بکار رفت. دو نوع شبکه پس انتشار (پیشرو و پیشخور) مورد آزمون قرار گرفت. به منظور آموزش الگوهای ورودی، الگوریتم یادگیری لونبرگ-مارکوارت مورد استفاده قرار گرفت. محدوده های دما و رطوبت نسبی به ترتیب بین 25 ...
متن کاملپیش بینی برخی خواص مکانیکی و خشک کردن دانه آفتابگردان به کمک شبکه های عصبی مصنوعی
آفتابگردان یکی از دانه های روغنی مهم جهان می باشد، که سطح زیر کشت آن در ایران 100 هزار هکتار با عملکرد یک تن در هکتار می باشد و ارقام روغنی آن محتوی بیش از 29 درصد روغن بوده و ماده ی خام مناسبی برای صنایع فرآوری به شمار می آید. برای جلوگیری از تلفات به دلیل شکسته شدن ساقه، آسیب توسط پرندگان و شرایط آب و هوایی نامساعد، آفتابگردان اغلب در رطوبت بالاتر از سطح ذخیره سازی ایمن، برداشت می شود. از این...
15 صفحه اولمدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
متن کاملمنابع 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 36 شماره 3
صفحات 13- 24
تاریخ انتشار 2013-12-21
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023