ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

پیش بینی میزان خردشدگی خاک طی عملیات خاک ورزی با استفاده از سیستم استنتاج فازی- عصبی (ANFIS)

سال انتشار: 1393
کد COI مقاله: JR_JAM-4-2_027
زبان مقاله: فارسیمشاهده این مقاله: 207
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی میزان خردشدگی خاک طی عملیات خاک ورزی با استفاده از سیستم استنتاج فازی- عصبی (ANFIS)

رضا صدقی - دانشجوی سابق کارشناسی ارشد گروه مهندسی مکانیک ماشین های کشاورزی، دانشگاه محقق اردبیلی
یوسف عباسپور گیلانده - دانشیار گروه مهندسی مکانیک ماشین های کشاورزی دانشگاه محقق اردبیلی

چکیده مقاله:

ایجاد ساختمان مناسب برای خاک به منظور رشد محصول از اهمیت زیادی برخوردار است و یکی از مشخصه های اصلی ساختمان خاک، اندازه خاک دانه ها می باشد. راه های مختلفی جهت نشان دادن وضعیت پایداری خاک دانه ها وجود دارد که از متداول ترین آنها می توان به تعیین میانگین وزنی قطر خاک دانه ها اشاره کرد. در این مقاله از روش سیستم استنتاج فازی بر پایه شبکه عصبی تطبیقی (ANFIS) برای توصیف میزان خرد شدن خاک در ترکیب ادوات خاک ورزی اولیه و ثانویه شامل زیرشکن، گاوآهن برگرداندار و دیسک ثانویه به منظور تهیه زمین برای کاشت محصولات زراعی استفاده شد. سیستم استنتاج فازی- عصبی تطبیقی روش مناسبی برای حل مسایل غیرخطی است. ANFIS ترکیبی از روش استنتاج فازی (FIS) و شبکه عصبی مصنوعی (ANN) است که از توانایی هر دو مدل بهره می برد. در این تحقیق، ورودی های مدل شامل محتوی رطوبتی خاک، سرعت پیشروی تراکتور و لایه های عمقی شخم بود. برای ارزیابی عملکرد مدل از پارامترهای مجذور میانگین مربعات خطا (RMSE)، درصد خطای نسبی (ε)، میانگین خطای مطلق (MAE) و ضریب تبیین (R2) استفاده شد که به ترتیب 0/135، 3/6%، 0/122 و 0/981 به دست آمد. به-منظور ارزیابی مدل ANFIS، داده های به دست آمده از این مدل با داده های مدل شبکه عصبی مصنوعی مورد مقایسه قرار گرفت. مقایسه نتایج به-دست آمده از مدل فازی- عصبی و شبکه عصبی مصنوعی نشان داد که مدل ANFIS داده های نزدیک تری به داده های واقعی در مقایسه با مدل شبکه عصبی مصنوعی ارایه کرد.

کلیدواژه ها:

خاک ورزی، خردشدگی خاک، میانگین وزنی قطر خاک دانه ها، سیستم استنتاج فازی- عصبی، شبکه عصبی مصنوعی

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_JAM-4-2_027 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/665925/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
صدقی، رضا و عباسپور گیلانده، یوسف،1393،پیش بینی میزان خردشدگی خاک طی عملیات خاک ورزی با استفاده از سیستم استنتاج فازی- عصبی (ANFIS)،https://civilica.com/doc/665925

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1393، صدقی، رضا؛ یوسف عباسپور گیلانده)
برای بار دوم به بعد: (1393، صدقی؛ عباسپور گیلانده)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 12,215
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی