مدل سازی متغیرهای موثر بر عملکرد نیشکر با استفاده از الگوریتم های درخت تصمیم گیری C5.0 و QUEST

پیام:
چکیده:
در این پژوهش یکی از اهداف اصلی شرکت های کشت و صنعت نیشکر خوزستان که افزایش میزان عملکرد مزارع نیشکر با استفاده از رهیافت داده کاوی می باشد، مورد بررسی قرار گرفته است. تصمیم گیرندگان در این واحدهای تولیدی کشاورزی با حجم بسیار زیادی از داده های جمع آوری شده با خصوصیات بسیار متنوع و با روابط پیچیده در بین آن ها مواجه هستند که آنالیز و مدیریت آن ها به وسیله ی تجزیه و تحلیل های تجربی و آماری، امری دشوار و در بسیاری از حوضه ها عملا ناممکن می باشد. داده کاوی یک فناوری توانمند در مدیریت و سازماندهی اطلاعات با حجم بالا می باشد. در این تحقیق با استفاده از تکنیک های داده کاوی درخت تصمیم (مدل های QUEST و C5.0)، به تخمین عملکرد محصول نیشکر پرداخته شده است. در این راستا مجموعه داده های در دسترس همچون داده های آبیاری و زهکشی، خاک و گیاه استفاده گردید تا اثر ترکیب های متفاوت این عوامل بر عملکرد تولید تعیین گردد. این پژوهش از نوع تحلیلی بوده و پایگاه داده آن شامل رکوردهای 1201 مزرعه می باشد. داده های مورد نیاز این تحقیق، طی سال های زراعی 1393 تا 1396 از کشت و صنعت امیرکبیر به دست آمده است. تجزیه و تحلیل به کمک نرم افزار IBM modeler 14.2 انجام شده است. نتایج نشان داد، شاخص های اجرایی و مدیریتی بر تغییر سطح عملکرد مزارع نیشکر تاثیرگذار می باشد. چگونگی تاثیرپذیری سطح عملکرد وابسته به ترکیب های خاصی از شاخص های اجرایی و مدیریتی می باشد که در قالب الگوهای حاصل از مدل های درخت تصمیم QUEST و C5.0 استخراج شده است. همچنین واریته محصول در هر دو مدل درخت تصمیم به عنوان مهم ترین متغیر مستقل در مدل سازی ظاهر شده است. بنابراین نتایج به دست آمده می تواند در برنامه ریزی و آماده سازی شرایط مطلوب برای رسیدن به اهداف تعیین شده میزان تولید کمک نماید.
نوع مقاله:
مقاله پژوهشی/اصیل
زبان:
فارسی
صفحات:
469 -484
لینک کوتاه:
magiran.com/p1977676 
روش‌های دسترسی به متن این مطلب
اشتراک شخصی
در سایت عضو شوید و هزینه اشتراک یک‌ساله سایت به مبلغ 300,000ريال را پرداخت کنید. همزمان با برقراری دوره اشتراک بسته دانلود 100 مطلب نیز برای شما فعال خواهد شد!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی همه کاربران به متن مطالب خریداری نمایند!