ارائه مدلی داده رانه برای پیش بینی عملکرد شکر استحصالی از نیشکر
- سال انتشار: 1401
- محل انتشار: دوفصلنامه ماشین های کشاورزی، دوره: 12، شماره: 4
- کد COI اختصاصی: JR_JAM-12-4_007
- زبان مقاله: فارسی
- تعداد مشاهده: 309
نویسندگان
دانشجوی کارشناسی ارشد، گروه مدیریت بهره وری، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران
گروه مدیریت بهره وری، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران
گروه مهندسی سیستم های هوشمند، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران
چکیده
پیش بینی عملکرد محصول یکی از مسائل مهم در حوزه ی کشاورزی می باشد و به عوامل مختلفی از جمله شرایط آب وهوایی، ویژگی های خاک، ویژگی های محصول و برنامه های مدیریتی وابسته می باشد. پیش بینی دقیق عملکرد محصول می تواند در تصمیم گیری ها و بهینه سازی فرآیندها به کشاورزان و صنایع وابسته به کشاورزی کمک نماید و در نهایت منجر به افزایش تولید شود. نیشکر یکی از مهم ترین محصولات استراتژیک کشاورزی و منبع تامین شکر در جهان می باشد. هدف پژوهش حاضر پیش بینی و بررسی عوامل موثر بر میزان شکر استحصالی از نیشکر در مزارع شرکت کشت وصنعت نیشکر امیرکبیر با استفاده از الگوریتم های یادگیری ماشین می باشد. داده های جمع آوری شده برای این پژوهش مربوط به بازه زمانی سال های ۱۳۹۶-۱۳۸۹ شامل ۳۲۲۳ نمونه می باشد که شامل چهار مجموعه داده آب وهوایی، محصول، خاک و مدیریت مزرعه می باشد. برای مدل سازی پژوهش از الگوریتم های جنگل تصادفی، آدابوست، تقویت گرادیان حداکثری و ماشین بردار پشتیبان استفاده شده و در محیط ژوپیترنوت بوک پایتون پیاده سازی شده اند. مدل جنگل تصادفی با صحت ۹۲.۲% برای پیش بینی شکر استحصالی در بین مدل های ارائه شده بهترین عملکرد را دارد.کلیدواژه ها
طبقه بندی, کشاورزی دقیق, مدل سازی, یادگیری ماشیناطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.