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

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.

کمباین جاندیر، گندم ، شبکه عصبی مصنوعی ، درصد ریزش