عملکرد مدل های شبکه عصبی پرسپترون چندلایه و توابع با پایه شعاعی در برآورد میزان محصول نیشکر
با توجه به اهمیت بالای تولید پایدار محصولات کشاورزی در واحد های کشت و صنعت نیشکر، باید از سیستم های هوشمند مانند شبکه های عصبی مصنوعی جهت مدیریت واحد های مزرعه استفاده کرد. بدین منظور، هدف اصلی تحقیق، مقایسه عملکرد مدل های شبکه عصبی پرسپترون چندلایه و توابع پایه شعاعی به منظور مدل سازی و پیش بینی عملکرد نیشکر و بررسی عوامل موثر بر آن بود.
مواد و روش ها:
این تحقیق از نوع تحلیلی بوده و پایگاه داده های آن ماتریسی به ابعاد درایه بود. داده های مورد نیاز این تحقیق طی سال های زراعی 1395 تا 1398 از واحد کشت و صنعت نیشکر دعبل خزاعی به دست آمد. متغیرهای ورودی مدل و واحدهای آنان به ترتیب شامل میزان هدایت الکتریکی خاک (دسی زیمنس بر متر)، مقدار کود شیمیایی فسفات و نیتروژن (کیلوگرم بر هکتار)، مقدار آب مصرفی (مترمکعب بر هکتار)، همچنین، تعداد دفعات آبیاری، ماه برداشت محصول، سن گیاه، واریته گیاه، و بافت خاک (بدون ابعاد) بودند. متغیر خروجی، میزان عملکرد (تن بر هکتار) بود. تجزیه و تحلیل توسط نرم افزار متلب 2017 انجام شد.
یافته ها:
با مقایسه پارامترهای خطای میانگین درصد خطای مطلق و جذر میانگین مربعات خطا و با توجه به شاخص های ضریب تبیین و بازده مدل، مدل توابع پایه شعاعی به ترتیب با داشتن 064494/0(درصد)، 037686/0، 7576/0 و 800409/0 (بدون ابعاد) در مرحله اعتبارسنجی به عنوان مدل برتر انتخاب شد. همچنین، مدل توابع پایه شعاعی، متغیرهای واریته گیاه و میزان هدایت الکتریکی خاک را مهم ترین عامل موثر بر میزان عملکرد محصول نیشکر بیان کرد.
نتیجه گیری:
با انتخاب واریته مناسب گیاه نیشکر و کنترل میزان هدایت الکتریکی خاک می توان عملکرد در واحد سطح را افزایش داد و سبب بهره وری بیشتر از نهاده ها و تولید پایدارتری شد.
توابع پایه شعاعی ، شبکه ، عملکرد ، مدل سازی ، نیشکر
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.