تعداد نشریات | 418 |
تعداد شمارهها | 9,987 |
تعداد مقالات | 83,493 |
تعداد مشاهده مقاله | 76,777,184 |
تعداد دریافت فایل اصل مقاله | 53,857,337 |
شبیهسازی اثر باکتریهای محرک رشد بر ذرت با استفاده از شبکه عصبی مصنوعی | ||
فصلنامه گیاه و زیست فناوری ایران | ||
مقاله 1، دوره 12، شماره 4، بهمن 1396، صفحه 5-14 اصل مقاله (533.74 K) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
علی رضا رضایی* 1؛ معصومه نژاد علی2؛ علی غفوریان3 | ||
1کارشناسیارشد، گروه علوم باغبانی، دانشکده کشاورزی، واحد گرمسار، دانشگاه آزاد اسلامی، گرمسار، ایران | ||
2استادیار، گروه زیستشناسی، دانشکده کشاورزی، واحد اسلامشهر، دانشگاه آزاد اسلامی، اسلامشهر، ایران | ||
3استادیار، گروه مهندسی آب، دانشکده کشاورزی، واحد گرمسار، دانشگاه آزاد اسلامی، گرمسار، ایران | ||
چکیده | ||
چکیده مطالعات بسیاری در زمینه شناخت عوامل مؤثر بر میزان رشد و نمو گیاهان زراعی از جمله گیاه ذرت صورت گرفته است با توجه به جایگاه ویژه ذرت، تعیین اثر این عوامل از اهمیت بالایی برخوردار است از آن جائیکه بررسی این مطالعات در مزارع و آزمایشگاهها بسیار زمانبر و پرهزینه میباشد استفاده از شبکه عصبی مصنوعی به عنوان یک روش سریع و غیرمخرب برای شبیهسازی عوامل تاثیرگذار بر محصولات کشاورزی و پیشبینی نتایج تجربی حائز اهمیت است، هدف از این تحقیق ارزیابی قابلیت پیش بینی اثر باکتریهای محرک رشد بر عملکرد ذرت علوفهای با استفاده از شبکه عصبی مصنوعی بوده که پس از کسب اطلاعات مورد نیاز از مطالعات تجربی، هر کدام از پارامترهای ورودی و خروجی شامل متغیر مستقل (اثر باکتریهای محرک رشد و عوامل تاثیرگذار) و متغیر وابسته (عملکرد علوفه در هکتار) دادهسازی شد سپس شبکه عصبی نوع پرسپترون چند لایه (MLP) با تابع تبدیل سیگموئید در تعداد نورونهای 5، 10، 15، 20، 25 در لایه مخفی طراحی گردید. نتایج نشان داد شبکه (MLP) با الگوریتم آموزشی پس انتشار خطا با ضریب همبستگی (R=0/999) و میانگین مربعات خطای (MSE= 0/000113) با تعداد 10 نورون در لایه مخفی به عنوان مدل مطلوب قادر به پیشبینی عملکرد علوفه ذرت تحت تأثیر باکتریهای محرک رشد بود، همچنین در نتایج شبیهسازی با پارامترهای ورودی جدید، اختلاف بسیار اندکی بین مقادیر خروجی واقعی و خروجی پیشبینی شده مشاهده گردید. بنابراین شبکه عصبی مصنوعی در این پژوهش به خوبی توانست اثر باکتریهای محرک رشد بر ذرت را تخمین و برآورد کند و میتوان از شبکه عصبی حاصل برای پیشبینی سایر عوامل تاثیرگذار استفاده نمود. | ||
کلیدواژهها | ||
باکتریهای محرک رشد؛ شبیهسازی؛ ذرت؛ شبکه عصبی مصنوعی | ||
آمار تعداد مشاهده مقاله: 326 تعداد دریافت فایل اصل مقاله: 203 |