تخمین میزان فشردگی خاک های کشاورزی به کمک مدل های فازی و عصبی-فازی (anfis) و مقایسه ی آنها با مدل های رگرسیونی

پایان نامه
چکیده

امروزه با وجود پیشرفت های چشم گیر در توسعه کشاورزی دقیق، مدیریت تولید محصول در ارتباط با خصوصیات فیزیکی خاک به چند سال اخیر برمی گردد که یکی از مهم ترین این خصوصیات، مقاومت مکانیکی خاک است که عموماً با نقشه های شاخص مخروطی خاک بیان می شود. در این تحقیق برای اندازه گیری و تعیین عوامل موثر بر مقدار شاخص مخروطی خاک، آزمایش های مزرعه ای در سه نوع خاک و در داخل هر نوع خاک از آزمایش فاکتوریل بر پایه-ی طرح بلوک کامل تصادفی و با پنج تکرار استفاده شد. در داخل هر بافت خاک سطوح مختلف رطوبت در سه سطح (خشک، نیمه مرطوب و مرطوب)، عمق در سه سطح (10-0، 20-10 و 30-20 سانتی متر) و تعداد تردد تراکتور در سه سطح (0، 10و 20 بار عبور) به روی شاخص مخروطی خاک بررسی شد. پس از تجزیه و تحلیل داده ها مشخص گردید که اثرات نوع خاک، عمق، سطوح مختلف رطوبت و تردد تراکتور بر روی مقادیر شاخص مخروطی خاک در سطح 1% معنی دار بوده است. برای انجام عملیات آماری از رگرسیون چند متغیره خطی استفاده شد. در این حالت رگرسیون برای چهار عامل مستقل (درصد محتوی رطوبتی، جرم مخصوص ظاهری، هدایت الکتریکی و عمق ) و عامل وابسته (شاخص مخروطی خاک) جهت تعیین مدل ریاضی انجام شد. در سال های اخیر علاقه ی فزاینده ای به توسعه ی مدل های هوش مصنوعی، به خصوص مدل های فازی و فازی-عصبی در بسیاری از شاخه های علوم و مهندسی مشاهده می شود که با استفاده از آنها می توان فرآیندهای طبیعی پیچیده و دارای عوامل متعدد را به سادگی و با دقّت زیاد مدل سازی نمود. به دلیل عدم هم خوانی قوانین نوشته شده برای بافت های مختلف در مدل فازی، برای هر بافت خاک، مدل فازی مجزایی ارائه شد. در مدل های فازی ایجاد شده، از رویکرد اصول فازی ممدانی برای تخمین شاخص مخروطی خاک استفاده شده است. در هر سه مدل، استنتاج ماکسیمم-مینیمم ممدانی برای استنتاج مکانیزم و روش غیر فازی ساز مرکز ثقل برای غیر فازی سازی مورد استفاده قرار گرفت. در ایجاد مدل انفیس، به منظور تخمین شاخص مخروطی خاک، از 80درصد داده ها به منظور آموزش و از 20درصد داده ها به منظور اعتبار سنجی استفاده گردید. نوع توابع عضویت ورودی، مثلثی، و تعداد آنها برای هر متغیر ورودی 5 عدد اختیار شد. نوع توابع عضویت خروجی، خطی تعیین شد. روش یادگیری مدل نیز روش هیبرید انتخاب گردید. مقایسه ی نتایج بدست آمده از مدل های فازی، مدل انفیس و مدل های رگرسیونی به منظور پیش بینی شاخص مخروطی خاک نشان داد که مدل انفیس قادر به مدل کردن مقادیر شاخص مخروطی با دقّت بالاتر نسبت به مدل های فازی و رگرسیونی ارائه شده در این تحقیق می باشد. نتایج این تحقیق می تواند در مدیریت فشردگی خاک در خاک های دشت اردبیل و همچنین تعیین عمق بهینه ادوات خاک ورز اولیه مورد استفاده قرار گیرد.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

متن کامل

تخمین سطح تنش رطوبتی خاک با استفاده از مدل HYRDUS2D و سیستم استنتاج عصبی- فازی

در این پژوهش، به­منظور تعیین طول دوره­ی تنش در طول فصل کشت، قابلیت مدل­های HYDRUS2D و ANFIS در شبیه­سازی روند تغییرات زمانی رطوبت خاک و اجزای بیلان آب تحت آبیاری کامل و کم­آبیاری معمولی در دو سطح 75 (DI75) و 55 درصد (DI55) در یک مزرعه­ی ذرت با یکدیگر مقایسه شدند. بدین منظور، طی دو فصل زراعی داده­های رطوبت خاک با استفاده از رطوبت­سنج TRIME-FM برای واسنجی و صحت­یابی مدل HYDRUS2D برداشت شد. همچنین...

متن کامل

مقایسه توانایی پیش بینی مدل های شبکه عصبی مصنوعی (ANN)، سیستم استنتاج عصبی- فازی انطباقی(ANFIS) و تبدیل موجک-عصبی: قیمت سبد نفت خام اوپک

پیش بینی قیمت نفت خام از مهم ترین موضوعات فرا روی اقتصاد انرژی است. پیش بینی مناسب قیمت نفت و آن هم قیمت نفت خام اوپک، به دلیل درگیر بودن تعدادی از کشورهای در حال توسعه این سازمان با قیمت نفت، می تواند در برنامه ریزی های سازمان و کشورهای عضو آن، اهمیت ویژه ای داشته باشد. برآورد و پیش بینی روند قیمت نفت، به خاطر نبود داده های تاریخی مهم و محدودیت اطلاعات مرتبط با شاخص های موثر بر روند قیمت نفت، ...

متن کامل

تخمین مقادیر شاخص مخروطی خاک به کمک مدل شبکه های عصبی مصنوعی و مقایسه آن با مدلهای رگرسیونی

شاخص مخروطی خاک به عنوان یکی از معیارهای بیان کننده مقاومت مکانیکی خاک تحت تأثیر عوامل مختلفی از جمله محتوی رطوبتی خاک و فشردگی خاک های زراعی قرار می گیرد. امروزه با وجود پیشرفت های چشم گیر در توسعه کشاورزی دقیق، مدیریت تولید محصول در ارتباط با خصوصیات فیزیکی خاک به چند سال اخیر برمی گردد که یکی از مهم ترین این خصوصیات، مقاومت مکانیکی خاک است که عموماً با نقشه های شاخص مخروطی خاک بیان می شود. در...

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 @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه شهرکرد - دانشکده کشاورزی

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023