کارائی شبکه های عصبی مصنوعی در برآورد محصولات گندم، جو و ذرت دانه ای
نویسنده:
چکیده:
از اهداف کشاورزی دقیق بهبود راندمان برداشت محصولات با اعمال مدیریت صحیح می باشد که لازمه آن درک کامل تر روابط بین میزان تولید محصول با خصوصیات خاک و محیط می باشد. قدم اول و ضروری در این فرایند یافتن روش های مناسب است که قادر به تعیین روابط صحیح بین خصوصیات اندازه گیری شده خاک و محیط با میزان بازده محصول باشد. به منظور تعیین مناطق همگن از نظر خصوصیات خاک، اقلیم و توپوگرافی، پهنه بندی اکولوژی کشاورزی1 در منطقه مورد مطالعه صورت گرفت. مقدار تولید محصولات گندم، جو و ذرت دانه ای برای هر یک از پهنه ها تعیین شد. انواع روش های شبکه های عصبی مصنوعی به منظور ایجاد رابطه مناسب بین میزان بازده محصولات و خصوصیات اراضی آزمون و نهایتا بهترین شبکه عصبی به منظور برآورد میزان محصول با استفاده از پارامترهای آماری انتخاب گردید. لایه های ورودی شامل خصوصیات شیمیایی و فیزیکی خاک، اطلاعات اقلیمی و پستی بلندی هر یک از پهنه ها می باشد. از شبکه های عصبی چند لایه و آموزش با ناظر که از نوع شبکه های عصبی پیشخور با الگوریتم پس انتشار به منظور برآورد محصولات استفاده گردید. نتایج نشان داد که شبکه های عصبی مصنوعی به منظور برآورد میزان محصولات جو، گندم و ذرت با استفاده از خصوصیات اراضی کارایی خوبی دارند و شبکه های عصبی پیشخور با دو لایه مخفی کارآمدترین شبکه ها به منظور برآورد میزان محصولات بدست آمد.
کلیدواژگان:
زبان:
فارسی
انتشار در:
در صفحه:
62
لینک کوتاه:
magiran.com/p889923
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!