جستجوی مقالات مرتبط با کلیدواژه "empirical models" در نشریات گروه "زراعت"
تکرار جستجوی کلیدواژه «empirical models» در نشریات گروه «کشاورزی»جستجوی empirical models در مقالات مجلات علمی
-
در این پژوهش، از مدل های تجربی و شبکه های عصبی مصنوعی برای پیش بینی محتوای رطوبت تعادلی بذر و مغز آفتابگردان استفاده شد. چهار مدل ریاضی هندرسون اصلاح شده، چانگ-پی فاست، هالسی و گب برای این منظور بکار رفت. دو نوع شبکه پس انتشار (پیشرو و پیشخور) مورد آزمون قرار گرفت. به منظور آموزش الگوهای ورودی، الگوریتم یادگیری لونبرگ-مارکوارت مورد استفاده قرار گرفت. محدوده های دما و رطوبت نسبی به ترتیب بین 25 تاC°40 و 11 تا 96٪ اعمال شد. بهترین نتایج برای مدل های تجربی، برای مدل گب و هالسی به دست آمد. بهترین خروجی برای شبکه های عصبی مورد استفاده، مربوط به شبکه پیشخور، توپولوژی 1-3-5-3 و تابع آستانه TANSIG-TANSIG-LOGSIG است. با این شبکه بهینه، ضریب تبیین و خطای نسبی میانگین، به ترتیب 9935/0 و 01/5 حاصل شد. این نتایج، برتری شبکه های عصبی مصنوعی را نسبت به مدلهای ریاضی نشان می دهد. زیرا علاوه بر ایجاد خطای کمتر در پیش بینی مقدار رطوبت تعادلی، قادر است شاخص کیفی را نیز به عنوان ورودی لحاظ کند.کلید واژگان: آفتابگردان, رطوبت تعادلی, شبکه های پس انتشار, فعالیت آبی, مدل های تجربیIn this research, empirical models and Artificial Neural Networks (ANNs) were used for estimation of equilibrium moisture content of seed and kernel of sunflower. Four empirical models of modified Henderson, Chung-Pfost, Halsey and GAB were used. Two types of back propagation networks (feed forward and cascade forward) were tested. In order to train input patterns, levenberg-marquardt was used. Temperature and relative humidity limits for the experiments were between 25-40 °C and 11-96%, respectively. The best results for empirical models were obtained for Halsey and GAB models. The best results for applying neural networks were obtained for feed forward network, topology of 3-5-3-1 and threshold function of TANSIG-TANSIG-LOGSIG. With this optimum network, coefficient of determination and mean relative error were 0.9935 and 0.0501, respectively. These results prove the superiority of neural networks compared with empirical models, because besides producing less errors in prediction of equilibrium moisture content, neural also capable of networks are considering the quality index as an input parameter.Keywords: Keywords: Sunflower, Equilibrium moisture content, back propagation network, Water Activity, Empirical models
-
به منظور بررسی زمان رویش علف هرز خاک شیر و سلمه تره مطالعه ای در مزرعه دانشگاه آزاد اسلامی واحد کرج در سال 89-88 انجام شد. در این بررسی پنج مزرعه تحت کشت جو (یک مزرعه)، چغندرقند (یک مزرعه) و گندم (سه مزرعه) مورد بررسی قرار گرفتند. در هر مزرعه بین 3 تا 5 قطعه به طور تصادفی انتخاب و در هر قطعه 3 کادر چوبی ثابت جهت شمارش گیاهچه های علف های هرز نصب گردید. در طول فصل به صورت هفتگی گیاهچه های خاک شیر و سلمه تره شمارش و حذف گردیدند. شمارش گیاهچه ها تا زمانی که رویش جدید مشاهده نشد ادامه یافت. به منظور تخمین زمان رویش گیاهچه های خاک شیر و سلمه تره به عنوان متغیرهای وابسته از روی واحدهای دمایی موثر در رشد (GDD) به عنوان متغیر مستقل، از مدل های لجستیک سه پارامتری، گامپرتز سه پارامتری و ویبول چهار پارامتری جهت برازش استفاده شد. نتایج نشان داد مدل گامپرتز سه پارامتری بهترین برازش را نسبت به داده ها داشت. رشد گیاهچه های خاک شیر در مزرعه جو در اوایل فصل پس از دریافت GDD 5 آغاز شده و در GDD 190 به حداکثر رشد رسید. همچنین در مزارع گندم که دارای کانوپی های مشابهی بودند روند رویش در GDD های نزدیک به هم اتفاق افتاد. رویش گیاهچه ها در این مزراع ازGDD 60 آغاز و در260 GDDبه حداکثر رشد خود رسید. رشد گیاهچه های علف هرز سلمه تره در مزارع گندم روند یکسانی را طی نکرد. با وجود این تفاوت ها، علف هرز سلمه تره در طول فصل با دریافت مقدار GDD بیشتر، سریعتر از علف هرز خاک شیر به نقطه اوج رشد رسیده است، که می تواند ناشی از فنولوژی متفاوت دو علف هرز پاییزه و بهاره باشد.
کلید واژگان: مدل گامپرتز, گندم, جو, مدیریت علف هرز, چغندرقند, مدل های تجربیPrediction of seasonal weed seedling emergence patterns is useful in weed management programs. This study was carried out in research fields of Islamic Azad University – Karaj Branch in 2009-2010. Five crop fields were chosen including: barley, sugar beet and three wheat fields and in each fields between 3 to 5 sites selected randomly. Three quadrates were fixed in each sites for studying weeds emergence. Weeds emergence was weekly measured during growth season. Three models including logistic, gompertz, and weibull, were used to describe weed seedling emergence against thermal time. Gompertz model showed the best fit to data. Flix weed emergence in barely field started after receiving 5 GDD and reached maximum emergence after 190 GDD. Also in wheat fields with similar canopy, weed seedling emergence started in the same time. Although weed seedling emergence in these fields was started in 60 GDD and reached maximum emergence after 260 GDD, however weed seedling emergence of common Lambs quartes in wheat fields didn’t show similar patterns. In conclusion, growth rate of common lambs quartes increased to the maximum rate with receiving less GDD in compare to flixweed. This phenomenon may be related to their different phonological characteristics of two weeds.Keywords: Barley, Gompertz model, Sugar beet, Empirical models, Weed management, Wheat -
پژوهش حاضر با هدف بررسی مدل های تجربی رقابت، به صورت دو آزمایش فاکتوریل مجزا، در قالب طرح پایه بلوک های کامل تصادفی با 3 تکرار در دانشکده کشاورزی دانشگاه بوعلی سینا همدان در سال 1388-1387 انجام شد. در هر دو آزمایش، ارقام گندم الوند و سایسون با تراکم ثابت450 بوته در مترمربع به صورت دستی کشت شدند. در آزمایش اول، بذرهای علف هرز چاودار وحشی با تراکم های 0، 20، 40، 60 و 80 بوته در مترمربع کاشته شد. در آزمایش دوم، سطوح تراکم علف-هرز خردل وحشی 0، 8، 16، 24 و 32 بوته در مترمربع بود. نتایج بررسی نشان داد عملکرد زیست توده و دانه رقم سایسون در تداخل با هر دو گونه علف هرز، کاهش بیشتری نسبت به رقم الوند داشت. علف هرز خردل وحشی نسبت به چاودار در تراکم های مورد بررسی خسارت بیشتری بر گندم وارد نمود. بررسی مقادیر مشاهده شده و پیش بینی شده مدل های تراکم، سطح برگ و وزن خشک نسبی یک و دو پارامتری علف هرز نشان داد که مدل های سطح برگ و وزن خشک نسبی دو پارامتری برای هر دو گونه علف هرز، معیار مناسب تری برای پیش بینی کاهش عملکرد گندم بود.
This study was carried out to evaluate empirical models of competition, as two separated experiments based on a randomized complete block design with 3 replications at Agricultural Faculty of Bu-Ali Sina University, in 2008-2009. In both Experiments, Alvand and Sayson cultivar were planted with densities of 450 plants m-2. In the 1st experiment, feral rye (Secale cereale) with densities of 0, 20, 40, 60 and 80 plants m-2 were planted. In the 2nd experiment, wild mustard (Sinapis arvensis) density was 0, 8, 16, 24 and 32 plants m-2. The results showed that biological and grain yield of Sayson in interference with both weed species, were reduced more than Alvand. Wild mustard in evaluated density treatments showed more damage on wheat in compared to feral rye. Study of values observed and predicted of weed density, one and two parameter models of relative leaf area and relative dry weight indicated that two parameter models of relative leaf area and relative dry weight of both weed species was more appropriate factor to predict wheat yield loss.Keywords: Competition, Empirical models, Wheat, Feral rye, Wild mustard
نکته
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.