پیش بینی حجم کوفتگی سیب با استفاده از شبکه عصبی RBF و مقایسه آن با مدل رگرسیونی

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 919

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCAMEM07_130

تاریخ نمایه سازی: 8 بهمن 1391

چکیده مقاله:

صدمه کوفتگی ناشی از ضربه جزو انواع اصلی صدمات مکانیکی پس از برداشت میوه می باشد. مدلهای پیش بینی حجم کوفتگی برای کاربردی کردن شبیه سازی المان گسسته که صدمه کوفتگی را در هنگام حمل و نقل شبیه سازی می کند ضروری است. مدلهای پیش بینی کوفتگی اطلاعات مفیدی در مورد اثر فاکتورهای میوه (مانند رسیدگی) بر حساسیت به کوفتگی می دهد بطوریکه این اطلاعات نهایتا منجر به توصیه هاب کاربردی جهت انتقال میوه ها م یگردد. مدلهای پیش بینی کوفتگی برای سیب رقم گلدن دلیشز تعیین گردید. از حجم کوفتگی به عنوان شاخص صدمه کوفتگی استفاده شد. هدف از این تحقیق ارزیابی شبکه عصبی مصنوعی RBF در پیش بینی حجم کوفتگی سیب می باشد. در این تحقیق از داده های تجربی 120 عدد سیب استفاده گردید. پارامترهای بهینه برای شبکه عصبی مصنوعی RBF از روش آزمون و خطا بر روی داده های موجود انتخاب گردید. جهت ارزیابی مدل RBF و مدل رگرسیون در پیش بینی حجم کوفتگی سیب، علاوه بر رگرسیون خطی، از بعضی آزمونهای آماری نشیر مقایسه میانگین ها، واریانس و توزیع آماری بین داده های واقعی و داده های پیش بینی شده بوسیله مدل شبکه عصبی مصنوعی RBF استفاده شد. نتایج نشان می دهد که شبکه عصبی مصنوعی RBF م یتواند حجم کوفتگی سییب را با دقت بالاتری در مقایسه با مدل رگرسیون پیش بینی نماید.

نویسندگان

سعید ظریف نشاط

استادیار پژوهش مرکز تحقیقات کشاورزی و منابع طبیعی خراسان رضوی

عباس روحانی

استادیار دانشکده کشاورزی دانشگاه صنعتی شاهرود

محمد حسین سعیدی راد

استادیار پژوهش مرکز تحقیقات کشاورزی و منابع طبیعی خراسان رضوی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • دانشگاه شیراز، 14 الی 16 شهریور 1391 ...
  • مقایسه توزیع 1/000 0/999 1/000 0/674 ...
  • دانشگاه شیراز، 14 الی 16 شهریور 1391 ...
  • Azadeh A, Ghaderi SF and Sohrabkhani S, 2006. Forecasting electrical ...
  • Brusewitz G H, Bartsch J A, 1989. Impact parameters related ...
  • Garcia Ramos F J, Barreiro P, Ruiz Altisent M, Ortiz ...
  • Gupta M M, Jin J and Homma N, 2003. Static ...
  • Menesatti P, Paglia G, 2001. Development of a drop damage ...
  • RMSE 14/76 63/93 20/71 81/31 ...
  • Menesatti P, Paglia G, Solaini S, Zanella A, Stainer R, ...
  • Mohsenin N N, 1986. Physical Properties of Plant and Animal ...
  • Pang D W, Studman C J, Banks N H, Baas ...
  • Pasini L, Ragni L, Rombola A D, Berardinelli A, Guarnieri ...
  • Ragni L, Berardinelli A, 2001. Mechanical behaviour of apples, and ...
  • Rohani A, Abb aspour-Fard MH and Abdolahpour S, 2011. Prediction ...
  • Schotte S, Belie N, Baerdemaeker _ 1999. Acoustic impulse technique ...
  • Schulte-Paso N L, Brown G K, Timm E J, 1992. ...
  • Timm E J, Bollen A F, Dela Rue B T, ...
  • Vakil-B aghmisheh MT and Pavesic N, 2001. B ack-prop agation ...
  • Vakil-B aghmisheh MT, 2002. Farsi Character Recognition Using Artificial Neural ...
  • Van Zeebroeck M, Van linden V, Ramon H, De B ...
  • Van Zeebroeck M, Van linden V, Darius P, De Ketelaere ...
  • Wang YM and Elhag TMS, 2007. A comparison of neural ...
  • نمایش کامل مراجع