مدلسازی عملکرد پسته با استفاده از رگرسیون چندمتغیرهی خطی و شبکه عصبی مصنوعی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 765

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCSAPI01_051

تاریخ نمایه سازی: 16 اسفند 1394

چکیده مقاله:

عملکرد محصول پسته، یکی از متغیرهای چالشبرانگیزی است که پیشبینی آن در محدوده وسیعی از مناطق تحت کشت ضرورت دارد. پژوهش حاضر، با هدف بررسی ارتباط بین عملکرد پسته و عوامل مؤثر بر آن، صورت پذیرفت. بدین منظور 91 قطعه باغ در مناطق مختلف شهرستانهای رفسنجان و انار شناسایی و انتخاب گردید. نمونهبرداری از آب آبیاری، برگ درختان و خاک همه باغها انجام شد. همچنین برای هر باغ یک پرسشنامه به منظور جمعآوری اطلاعات مدیریتی و تعیین مقدار عملکرد تهیه شد. در نهایت یک متغیر وابسته عملکرد محصول و 56 متغیر مستقل شامل ویژگیهای خاک، آب و گیاه برای انجام مدلسازی مورد استفاده قرار گرفت. نتایج نشان میدهد که رگرسیون چند متغیرهی خطی تنها 18/9 درصد تغییرات عملکرد را توجیه مینماید. اما وقتی که باغهای مورد بررسی از نظر مقدار عملکرد به سه دسته تقسیم شد، کارایی مدل رگرسیون خطی بهبود یافت. به طوری که، دقت مدل برای باغهای با عملکرد کم، متوسط و زیاد به ترتیب به 62/7،30/5،50/2 درصد رسید. شبکه عصبی مصنوعی باضریب تبیین 0/8 دقت قابل قبولی در پیشبینی عملکرد محصول پسته در منطقه مورد مطالعه دارد.

نویسندگان

بهروز پور محمد علی

دانشجوی دکتری دانشگاه شهرکرد، گروه علوم خاک، شهرکرد، ایران

سید جواد حسینی فرد

استادیار موسسه تحقیقات پسته کشور، گروه آبیاری و تغذیه، رفسنجان، ایران

محمد حسن صالحی

دانشیار دانشگاه شهرکرد، گروه علوم خاک، شهرکرد، ایران

حسین شیرانی

دانشیار دانشگاه ولیعصر (عج) رفسنجان، گروه علوم خاک، رفسنجان، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • بقری، س.، قیصری، _ ایوبی، ش.ا. و لوایی، ن. 1391. ...
  • حیدری، م. 1385. شناسایی خاک‌های غالب و تاثیر خصوصیات آن‌ها ...
  • خوشگفتارمنش، اح. و سیادت، ح. 1381. غذیه معدنی سبزیجات و ...
  • سرچشمه‌پور، م.، و ملکوتی، م. ج. 1384. ضرورت کوددهی پتاسیم ...
  • شعبانی، ا.، حنیا، غح، کریمی، ع. و احمدی، م:م. 1390. ...
  • صداقتی، ن.، محمدی محمدآبادی، ا. و حسینی‌فرد، ج. 1387. بررسی ...
  • عسگری، م.ص، خدادادی، م، سرمدیان، ف. و گزنی، ر. 138. ...
  • ملکوتی، م. ج. و غیبی، م. ن. 1379. تعیین حد ...
  • منهاج، م. ب. 1381. منی شبکه های عصبی، مرکز نشر ...
  • Barrows, H.L. and Elmer, C.S. 1962. An EDTA Method for ...
  • Chapman, H. D. and Pratt, P. F. 1961. Methods of ...
  • Eskandari S., Mozaffari V., and Tajabadi Pour A. 2014. Effects ...
  • Gee, G.W. and Bauder, J.W. 1986. Particle size analysis. In: ...
  • Goldhamer, D. A. 1987. Effects of substained defict irrigation on ...
  • Guisan, A. and Theurillat, J. 2000. Equilibrium Modeling of Alpine ...
  • Hosseinifard, S. J., Khademi, H., and Kalbasi, M. 2010. Different ...
  • Husnjak, S. and hengle, T. 2006. Evaluation adequacy and usability ...
  • Kaul, M., Hill, R.L. and Walthall, C. 2005. Artificial neural ...
  • Kim, M. and Gilley, J.E. 2008. Artificial neural network estimation ...
  • Knudsen, D., Peterson, G.A. and Pratt, P.F. 1982. Lithium, sodium ...
  • Norouzi, M., Ayoubi, S., Jalalian, A., Khademi, H. and Dehghani, ...
  • Olsen, S.R. and Sommers, L.E. 1982. phosphorus. In: A.L. Page ...
  • Salehi, M.H. and Hosseinifard, J. 2012. Soil and groundwater relationships ...
  • نمایش کامل مراجع