کاربرد شبکه عصبی مصنوعی برای ارزیابی ریزش دانه ی گندم در برداشت با کمباین مارک جاندیر با سال ساخت متفاوت در استان گلستان شهرستان کلاله
سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 817
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- 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:
NCAMEM11_068
تاریخ نمایه سازی: 20 آبان 1397
چکیده مقاله:
در این مقاله به بررسی اثر سال ساخت ، سرعت پیشروی و سرعت کوبنده در یک کمباین بر میزان ریزش در واحد پلتفرم ، ریزش درواحد کوبنده و جداکننده (کاه پران) و ریزش واحد تمیز کننده (غربال و پنکه) در محصول گندم پرداخته شده است . این تحقیق بااستفاده از سه کمباین مارک جاندیر در 3 سال ساخت مختلف (1380-1370-1360) انجام شده است. برای بررسی داده ها در این تحقیقاز تکنیک شبکه عصبی مصنوعی (ANN) به عنوان یک روش جایگزین برای پیش بینی ریزش در واحد پلتفرم ، ریزش در واحد کوبنده وجداکننده (کاه پران) و ریزش واحد تمیز کننده (غربال و پنکه) مورد ارزیابی قرار گرفته است. در این پژوهش شبکه ی عصبی مصنوعیپرسپترون چند لایه (MLP) با یک لایه پنهان و تعداد 5 ، 10 و 15 نرون در هر لایه برای مدل سازی سال ساخت کمباین ، سرعتپیشروی و سرعت کوبنده جهت پیشگویی میزان ریزش در واحد پلتفرم ، ریزش در واحد کوبنده و جداکننده (کاه پران) و ریزش واحدتمیز کننده (غربال و پنکه) انتخاب گردید. برای میزان 2R بیشترین میزان در شبکه ای با 10 نرون بوده است همچنین بهترین میزانRMSE و MAE در شبکه ای با 15 نرون بوده است .همچنین در نهایت شبکه نشان داد که با افزایش تعداد نرون سیکل یادگیری شبکهعصبی بهتر و سریع تر خواهد بود.
کلیدواژه ها:
نویسندگان
ستار حسن زاده
دانشجوی کارشناسی ارشد، دانشگاه علوم کشاورزی و منابع طبیعی گرگان-گروه مکانیک بیوسیستم
عباس رضایی اصل
استادیار، دانشگاه علوم کشاورزی و منابع طبیعی گرگان-گروه مکانیک بیوسیستم
محسن آزادبخت
استادیار، دانشگاه علوم کشاورزی و منابع طبیعی گرگان-گروه مکانیک بیوسیستم
محمدشریف شریف زاده
دانشیار، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، دانشکده مدیریت کشاورزی