پیش بینی عملکرد اسانس گیاه مرزه تابستانه (Satureja hortensis L) با استفاده شبکه عصبی مصنوعی
محل انتشار: همایش ملی پدافند غیر عامل در بخش کشاورزی
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 391
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCPDA01_0692
تاریخ نمایه سازی: 12 دی 1393
چکیده مقاله:
در این پژوهش از شبکه های عصبی مصنوعی (Artificial Neural Networks)، به عنوان ابزاری توانمند در مدل سازی فرآیندهای غیرخطی و نامعین ، به منظور پیش بینی عملکرد اسانس گیاه مرزه تابستانه با استفاده از داده های زودیافت خاک ، استفاده شد . بدین منظور از نرم افزار MATLAB و در شاخه Neural Network، برای پیش بینی و تجزیه وتحلیل عناصر اقلیمی کمک گرفته شد . ورودی مدل های ANN، داده های زودیافت خاک شامل EC, PH، درصد کربن آلی ، درصد ازت،فسفر و پتاسیم ودرصداجزای تشکیل دهنده بافت خاک است که این داده ها ، مناطق مختلف شهرستان نیشابور را دربرمی گیرد . شبکه مورد استفاده از نوع پرسپترون چندلایه (Multi-layer Perceptron) با الگوریتم پس انتشار خطا (Back Propagation) وتکنیک یادگیری مارکوارت لونبرگ (Train LM: Levenberg-Marquardt) است . نتایج حاصل از پژوهش حاضر نشان داد که در میان الگوهای مورد بررسی ، متغیر درصد فسفر و درصد شن در بافت خاک ، نقش مثبتی در پیش بینی عملکرد اسانس داشته است وقابلیت برآورد بسیار خوب در این مدل از شبکه عصبی نمایان است.
کلیدواژه ها:
نویسندگان
حسین صبوری فرد
دانشجوی کارشناسی ارشد گیاهان دارویی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
عظیم قاسم نژاد
استادیار گروه علوم باغبانی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
خدایار همتی
دانشیار گروه علوم باغبانی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
محمودرضا بهرامی
مدرس گروه تولیدات گیاهی دانشکده کشاورزی نیشابور ، دانشگاه فنی و حرفه ای