آمار

تعداد نشریات22
تعداد شماره‌ها322
تعداد مقالات3,388
تعداد مشاهده مقاله3,859,666
تعداد دریافت فایل اصل مقاله2,739,653
نکوئی, ناهید, بهدانی, محمدعلی, خاشعی سیوکی, عباس. (1394). پیش بینی عملکرد زعفران با استفاده از داده های هواشناسی به وسیله شبکه عصبی مصنوعی در استان های خراسان رضوی و جنوبی. , 2(1), 15-33. doi: 10.22077/jsr.2015.326
ناهید نکوئی; محمدعلی بهدانی; عباس خاشعی سیوکی. "پیش بینی عملکرد زعفران با استفاده از داده های هواشناسی به وسیله شبکه عصبی مصنوعی در استان های خراسان رضوی و جنوبی". , 2, 1, 1394, 15-33. doi: 10.22077/jsr.2015.326
نکوئی, ناهید, بهدانی, محمدعلی, خاشعی سیوکی, عباس. (1394). 'پیش بینی عملکرد زعفران با استفاده از داده های هواشناسی به وسیله شبکه عصبی مصنوعی در استان های خراسان رضوی و جنوبی', , 2(1), pp. 15-33. doi: 10.22077/jsr.2015.326
نکوئی, ناهید, بهدانی, محمدعلی, خاشعی سیوکی, عباس. پیش بینی عملکرد زعفران با استفاده از داده های هواشناسی به وسیله شبکه عصبی مصنوعی در استان های خراسان رضوی و جنوبی. , 1394; 2(1): 15-33. doi: 10.22077/jsr.2015.326

پیش بینی عملکرد زعفران با استفاده از داده های هواشناسی به وسیله شبکه عصبی مصنوعی در استان های خراسان رضوی و جنوبی

پژوهش های زعفران
مقاله 2، دوره 2، شماره 1، تیر 1393، صفحه 15-33    اصل مقاله (557.99 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22077/jsr.2015.326
نویسندگان
ناهید نکوئی1؛ محمدعلی بهدانی2؛ عباس خاشعی سیوکی* 3
1دانشجوی کارشناسی ارشد اگرواکولوژی،دانشکده کشاورزی دانشگاه ییرجند
2دانشیار گروه پژوهشی زعفران دانشکده کشاورزی دانشگاه بیرجند
3استادیار گروه علوم و مهندسی آب دانشکده کشاورزی دانشگاه بیرجند
چکیده
زعفران یکی از مهم ترین محصولات کشاورزی ایران به ویژه در استان های خراسان رضوی و جنوبی می باشد. پیش بینی عملکرد محصولات با استفاده از داده های موجود تأثیرات مهمی در مسایل اجتماعی- اقتصادی و تصمیم گیری های سیاسی در مقیاس منطقه ای دارد. اخیراً کاربرد شبکه های عصبی مصنوعی به عنوان ابزاری قوی که قادر به محاسبه معادلات پیچیده و تحلیل عددی با مناسب ترین تقریب می باشد در کشاورزی مرسوم شده است. این پژوهش به منظور سنجش توانایی تکنولوژی شبکه عصبی مصنوعی (ANN)برای پیش بینی عملکرد زعفران (Corcus sativus) براساس اطلاعات روزانه هواشناسی و داده های سالانه کشاورزی است. داده های هواشناسی مورد استفاده شامل داده های 20 ساله ایستگاه های سینوپتیک استان و شامل تبخیر- تعرق، دما (حداکثر، حداقل)، میانگین رطوبت نسبی و بارندگی می-باشد. به این منظور ابتدا با بهره گیری از نرم افزار wingamma داده ها و پارامترهای موجود مورد تجزیه و تحلیل قرار گرفت و بهترین ترکیب های ورودی به مدل تعیین گردید. کارایی مدل چند لایه پرسپترن (MLP) شبکه عصبی، برای پیش بینی عملکرد محصول مورد ارزیابی قرار گرفت. مدل MLPبا استفاده از شاخص های آماری مقایسه شد. که در مدل MLPشبکه عصبی هنگامی که از داده های حداکثر دما، بارندگی، تبخیر و تعرق و رطوبت نسبی فصل پاییز و عملکرد سال قبل، به عنوان متغیرهای مستقل در پیش بینی عملکرد محصول استفاده شد (R2=0.8832 وRMSE = 0.689 kg.ha-1 وMAE= 0560 kg.ha-1) بیشترین کارایی بدست آمد.
کلیدواژه‌ها
آزمون گاما؛ هوش مصنوعی؛ مدل چند لایه پرسپترون
آمار
تعداد مشاهده مقاله: 1,409
تعداد دریافت فایل اصل مقاله: 916


نماد الکترونیک 

 

سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب