genetic algorithm
در نشریات گروه زراعت-
تعیین رویشگاه بالقوه گونه های گیاهی، شناخت نیازهای اکولوژیک گونه ها و نیز خصوصیات اقلیمی و ادافیکی برای اعمال مدیریت منطبق با شرایط اکولوژیک منطقه مورد مطالعه، ضروری است. در این تحقیق به منظور مدل سازی پراکنش گونه های گون با استفاده از روش های مختلف آماری در بخشی از مراتع حوزه آبخیز سوارآباداراک (3075 هکتار)ابتدادر منطقه مورد مطالعه با انجام پیمایش های صحرایی و استفاده از نقشه های توپو گرافی ، شیب ، جهت ، طبقات ارتفاعی ، تیپ های رویشی جنس گون مشخص گردید. در تیپ های مشخص شده تعدادی سایت نمونه برداری به ابعاد 2تا10 مترمربع به عنوان منطقه کلیدی در هر تیپ انتخاب گردید . اطلاعات مربوط به حضور و عدم حضور جنس گون به عنوان متغیر وابسته و سایر اطلاعات محیطی به عنوان متغیرهای مستقل اندازه گیری شد. در هر واحد نسبتا همگن (دوواحد507 و2568 هکتاری) سه ترانسکت 750 متری، دو ترانسکت در طول مهمترین گرادیانهای محیطی (ارتفاع، جهت و شیب) و یک ترانسکت عمود بر آن دو ترانسکت مستقر شد. در طول هر ترانسکت 15 پلات، به فاصله 50 متر قرار داده شد، بدین ترتیب در هر واحد همگن 47 عدد پلات مستقر گردید (مجموعا 2 واحد ،94پلات). اندازه پلات های نمونه برداری با توجه به نوع و پراکنش گونه های گیاهی و براساس سطح متوسط تاج پوشش گونه های غالب منطقه (یک متر مربع) تعیین گردید. در هر پلات نوع و تعداد گونه های گیاهی و درصد پوشش تاجی آنها ثبت شد. برای نمونه برداری از خاک، در ابتدا و انتهای هر ترانسکت پروفیل خاک حفر گردیدو نمونه برداری از خاک مطابق با استاندارهای موجود انجام شد(عمق 0-20 سانتی متری) و در آزمایشگاه متغیرهای خاک شامل سنگریزه، رس، شن، سیلت، آهک، ماده آلی، اسیدیته و هدایت الکتریکی اندازه گیری گردید. همچنین در هر واحد نمونه برداری ویژگی های فیزیونومیک شامل طول و عرض جغرافیایی، شیب، جهت و ارتفاع از سطح دریا نیز برداشت شد. در این مطالعه متغیرهای وابسته، داده های حضور و عدم حضور گونه های گیاهی گون بوده که با کد صفر و یک مشخص شده و متغیرهای مستقل شامل خصوصیات خاک و توپوگرافی می باشد. با استفاده از آنالیز های آماری بهترین مدل پراکنش مشخص گردید. نتایج نشان داد مدل مکسنت نسبت به مدل های رگسیون لجستیک والگوریتم ژنتیک زمانیکه تعداد نقاط حضور اندک باشد، کارایی بهتری دارد . همچنین یافته های حاصل از تحقیق نشان دهنده تاثیر بیشتر ارتفاع ، اسیدیته و شوری در پراکنش جنس گون در منطقه مورد مطالعه است.
کلید واژگان: گون، الگوریتم ژنتیک، رگرسیون لجستیک، مکسنت، حوزه آبخیز سوار آباد، استان مرکزیIn order to determine the potential habitat of plant species, it is essential to know the ecological needs of the species as well as climatic and edaphic characteristics to apply management in accordance with the ecological conditions of the studied area. In this research, in order to develop model for the distribution of Astragalus Sp., using different statistical methods in part of the pastures of the Savar-Abad Basin, at first by producing using topographic, slop, aspect maps, types of vegetation in study area were determined. In the specified types, a number of sampling sites with dimensions of 2 to 10 square meters were selected. Information related to the presence and absence of Astragalus sp as dependent variable and other environmental information as independent variables was measured. In each homogenous unit, three transects of 750 meters, two transects along the most gradients (height, direction and slope), And another transect established perpendicular to those two transects. Along each transect, 15 plots were placed at a distance of 50 meters, thus 47 plots were established in each homogeneous unit. (Total 2 units, 94 plots). The size of sampling plots was determined according to the type and distribution of plant species using the Minimum Surface Method. In each plot, the type and number of plant species and their coverage percentage were recorded. For soil sampling, At the beginning and end of each transect, the soil profile was dug and soil sampling was done according to existing standards, and soil variables including gravel, clay, sand, silt, lime, organic matter, acidity and electrical conductivity were measured in the laboratory. Also, in each sampling unit, latitude, longitude, slope, direction and height from the sea level were also determined. In this study, the dependent variables are the data of the presence and absence of vegetation types, and the independent variables include soil and topography characteristics. The best distribution model was determined using statistical analysis. The results showed that the MaxEnt model has a better performance than the logistic regression and genetic algorithm models. However, the findings of the research show that altitude, acidity and salinity have a greater effect on the distribution of different species in the study area.
Keywords: Astragalus Sp, Genetic Algorithm, Logistic Regression, Maxent, Savar-Abad Basin, Markaziprovince -
کنترل علف های هرز در دوره رشد گیاهان بسیار مورد توجه بوده و روش های مختلفی بدین منظور توسعه یافته است. در مبارزه با این گیاهان ناخواسته با روش مرسوم تمام مزرعه و گیاه اصلی نیز مورد حمله علف کش قرار می گیرد که سبب مصرف بی رویه سموم نیز می شود. در این پژوهش یک سامانه سمپاش هوشمند به منظور تشخیص علف هرز و بررسی میزان کاهش مصرف سم، در مزرعه چغندرقند بر اساس فناوری بینایی ماشین Machine Vision ارایه شد. به این منظور 49 ویژگی های ظاهری و رنگی چغندرقند و علف هرز از تصاویر استخراج و مورد بررسی قرار گرفتند. با پیاده سازی الگوریتم ژنتیک (GA) 11 ویژگی که بیشترین دقت در تشخیص را داشتند انتخاب و به منظور افزایش سرعت و بهترین عملکرد پنج ویژگی (ضریب شعاع ناحیه محدب هال، ضریب کرویت، ممان ششم، I1I2I3_I3 و Lch_c) که بیشترین تکرار را در انتخاب ویژگی داشتند، برگزیده شدند. الگوریتم توسعه یافته برای تشخیص علف هرز از چغندرقند، دقت بیش از 98 درصد داشت که نشان از قدرت تشخیص بالای این سامانه هوشمند می باشد. جهت بررسی میزان کاهش مصرف محلول سم، سامانه سمپاش هوشمند با سمپاش بافرآگری ((Buferagri مورد مقایسه قرار گرفت. سرعت حرکت هشت کیلومتر بر ساعت با تراکتور نوع جاندایر و مسافت پیموده شده 27 متر برای هر دو سمپاش ثابت در نظر گرفته شد. در یک مسافت مشخص میزان علف کش مصرفی اندازه گیری و در نهایت میزان مصرف محلول توسط سمپاش بافرآگری نسبت به سامانه سمپاش هوشمند بیش از 77 درصد بود. این مساله نشان از کارایی این سامانه نسبت به سمپاش های معمولی در کاهش مصرف علف کش است. نتایج نشان دادند که استفاده از سامانه ارایه شده به صورت سیستم سمپاش هوشمند در مزارع چغندرقند امکان پذیر است.
کلید واژگان: الگوریتم ژنتیک، بینایی ماشین، پردازش تصویر، چغندرقند، سمپاش هوشمند، کاهش مصرف سم -
Recently, increasing attention has been directed to the isolation of natural active components from various medicinal plants. In the present research, the extraction of essential oil from horehound (M. vulgare L.) is presented. Effects of mass ratio and particle size on the process performance were studied and kinetics were determined. The chemical composition of the volatiles present in M. vulgare L. was evaluated for the sample extracted in the optimum conditions (mass ratio, 3 kg/m3 and particle size,0.1Keywords: Genetic algorithm, Grinding effect, Parameter identification, Particle swarm optimization Mass ratio effect
-
The present study examines the fuzzy sets model for computing rainfall over the Upper Chi-Mun basins in the Northeastern region of Thailand based on historical weather data from five stations rain gauges under the radar umbrella, temperature, relative humidity, and radar reflectivity. Data were collected during June 2009 to August 2009 of the rainfall reflectivity record from the Royal Rainmaking Research Centre at Pimai, Nakhon Ratchasima Province, and for the surface rainfall, automatic rain gauges were used. The results showed that the Fuzzy-GAs model could be used effectively to estimate rainfall given only three parameters: temperature, relative humidity and radar reflectivity. Furthermore, the results show that the genetic algorithm calibration provided the optimal conditions of the membership function. The simulation results indicated that the results of the Fuzzy-GA model were close to the observed rainfall data more than the results of a multiple linear regression model for both calibration and validation processes. Consequently, we are confident that a Fuzzy-GA model is a useful tool for estimating rainfall.Keywords: Fuzzy set, Genetic algorithm, Optimization technique, Radar reflectivity
-
مقاومت روزنه ای نقش مهمی در تبادلات آبی گیاه و میزان فتوسنتز در شرایط تنش دارد و یکی از پارامتر های کلیدی در بسیاری از مدل های اکولوژیکی و بیولوژیکی است. در این پژوهش، مقادیر بهینه پارامترهای موثر بر مقاومت روزنه ای زیتون بر اساس دست یابی به حداکثر مقاومت روزنه ای تعیین شد. سطوح شوری (0، 25، 50 و 100 میلی مول در لیتر کلرید سدیم)، درصد عناصر برگ (کلر، سدیم، پتاسیم، کلسیم، فسفر، منیزیم)، نسبت K/Na، وزن تر برگ (mg)، سطح برگ (cm2)، میزان آب نسبی برگ (درصد) و نسبت سطح برگ (cm2/g) به عنوان پارامترهای موثر بر مقاومت روزنه ای زیتون در نظر گرفته شد. مقاومت روزنه ای با استفاده از مدل شبکه عصبی تابع پایه شعاعی (RBF) به صورت تابعی از متغیرهایی مدل شد که قبلا لیست شد. نتایج پیش بینی شده نشان داد که شبکه عصبی توانسته است عملکرد خوبی فراهم کند، زیرا نتایج پیش بینی شده مطابق نتایج اندازه گیری شده بودند. بیشترین درصد خطا بین داده های آزمایشگاهی و پیش بینی شده کمتر از 57/2 درصد و ضریب همبستگی بین آن ها 994/0 شد. همچنین، مقایسه آماری بین داده های آزمایشگاهی و پیش بینی شده نشان دهنده قابلیت اطمینان پیش بینی ها با مدل شبکه عصبی RBF بود. شبکه عصبی آموزش دیده به عنوان تابع هدف برای دست یابی به پارامترهای بهینه با استفاده از الگوریتم ژنتیک استفاده شد. به ترتیب مقادیر بهینه برای اولین تا آخرین پارامترها در 100، 15/0، 57/0، 78/0، 32/0، 06/0، 17/0، 29/1، 63/26، 03/5، 76/0 و 89/72 به دست آمد.
کلید واژگان: الگوریتم ژنتیک، زیتون، شبکه عصبی، شوری، مقاومت روزنه ایStomatal resistance has an important role in plant water exchange and photosynthesis under stress condition hence it is a key parameter in ecological and biological models. In the present research، optimum values of effective parameters on stomatal resistance of olive to achieve maximum stomatal resistance were determined. Salinity levels (0، 25، 50 and 100 mg/l NaCl)، percentage of leaf ions (chlorine، sodium، potassium، calcium، phosphor، magnesium)، K/Na ratio، wet weight of leaf (mg)، leaf area (cm2)، relative water content (%) and leaf area ratio (cm2/g) were considered as effective parameters in stomatal resistance of olive. The stomatal resistance was modeled as a function of the variables using a radial basis function (RBF) neural-network model. The predicted results demonstrated that the neural network could provide a good performance since prediction results were in rather good agreement with measured results. The maximum percentage error between predicted and experimental data was less than 2. 57% and the correlation coefficient between them was 0. 994. Also، the statistical comparison between the predicted and experimental data indicates the reliability of the predictions using a RBF neural-network model. The trained neural network is used as objective function to get optimal parameters using the genetic algorithm. The optimum values of the parameters obtained at a 100، 0. 15، 0. 57، 0. 78، 0. 32، 0. 06، 0. 17، 1. 29، 26. 63، 5. 03، 0. 76 and 72. 89 for the first parameter through the last parameter، respectively.Keywords: genetic algorithm, neural network, olive, salinity, stomatal resistance -
Closed-end furrows are commonly used to irrigate crop in northern part of China. The irrigation performance of furrow in this area is often low. The objectives of this paper are to verify reliability of infiltration parameters and Manning roughness estimated with SIPAR_ID software and present an optimized method for design of closed-end furrow system. The study consisted of field experiments and numerical simulation. Field experiments were conducted in two villages of Yangling district in October 2007. Infiltration parameters and Manning roughness values were estimated with SIPAR_ID software. The estimated values were put into the WinSRFR software, and then the advance trajectory, flow depths in the upstream, and irrigation performance were simulated on each test furrow. The results showed that the simulated values with the WinSRFR software were in excellent agreement with the measured data. Therefore, the infiltration parameters and Manning roughness estimated with SIPAR_ID software were reliable. Later, an optimized model for design of closed-end furrow irrigation system was proposed, based on field data and using the project of Uniform design and the WinSRFR software. Its solution required the use of optimized methodology with genetic algorithm (GA), and the inflow discharge and cutoff time were the independent variables. The results showed that adequate and efficient irrigations can be obtained using closed-end furrows through a proper selection of inflow discharge and cutoff time.Keywords: Closed, end furrow irrigation, Irrigation performance, Genetic algorithm
-
Application of either protein or carbohydrate-based products as fat replacers in low fat ice-creams can improve the properties of these products. However, the type and level of fat and fat replacer utilized are affected by such different parameters as functional ones, namely: viscosity and overrun, hardness and melting rate, nutritional properties (calories) as well as the price of the final product. Throughout the present study, single- and multi-objective optimization method as based on the genetic algorithms (GAs) was applied to select the suitable fat-free as well as low-fat ice-cream formulations. The data related to single-objective optimization of selected parameters revealed that the ice-creams containing 3.5% Simplesse plus 1.72% fat, and 2.95% Maltodextrin plus 1.87% fat have ended up with the most desirable functional objectives. The application of multi-objective optimization led to a range of solutions of different fat and fat replacer contents out of which the producers can adopt the most suitable choice depending on the needs.Keywords: Genetic algorithm, Low, fat ice, cream, single, multi objective optimization
-
The grain yield (Y) of crops is determined by several Y components that reflect positive or negative effects. Conventionally, ordinary Y components are screened for the highest direct effect on Y. Increasing one component tends to be somewhat counterbalanced by a concomitant reduction in other component (s) due to competition for assimilates. Therefore, it has been suggested that components bemanipulated in conjunction with other traits to break the competition-resulting barrier. The objective of this study is to optimize the effective components in conjunction with certain participant traits for increased barley Y using an artificial neural network (ANN) and a genetic algorithm (GA) as an alternative procedure. Two field experiments were carried out separately at the Agriculture Research Station located in Gonbade Kavous (37 o16'' N, 55o12'' E and 37 asl), Iran. Ten genotypes were grown in each experiment, and the Y and certain traits/components were measured. Among the components/traits, those with a significant direct effect and/or correlation with Y were selected as effective for the ANN and GA analysis. The results indicate that the remobilization of stored pre-anthesis assimilates to grain(R 1), crop height (R2), 1,000-grains weight (R3), grain number per ear (R4), vegetative growth duration (R 5), grain-filling duration (R6), grain-filling rate (R7), and tiller number (R 8) were effective. The R2 for the training and est phases was 0.99 and 0.94, respectively, which reveals the capability of the ANN to predicting Y. The optimum values obtained by GA were 14.2%, 104.34 cm, 36.9 g, 41.9, 100 d, 48 d, 1.22 mg seed-1 day-1, and 3.38 plant-1 for R1 through R8, respectively. The optimization increased the potential Y to 5791 kg ha -1, which was higher than that observed for the genotypes (3527 to 5163 kg ha -1).Keywords: Barley, Grain yield, Yield components, Genetic algorithm, Artificial neural network
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.