اندازه گیری دبی جرمی شلتوک با استفاده از حسگر خازنی و مدل سازی آن با رگرسیونی چندگانه، ANN و ANFIS

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 111

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJBSE-48-2_004

تاریخ نمایه سازی: 31 اردیبهشت 1402

چکیده مقاله:

اندازه­گیری دبی جرمی با استفاده از حسگرهای خازنی به عنوان روش ارزان و سریع توسعه یافته است. اما پیش­بینی دبی جرمی به علت وابستگی پاسخ حسگر به عوامل مختلف و پیچیدگی اثر این عوامل دشوار است؛ لذا در این مطالعه پتانسیل شبکه عصبی مصنوعی (ANN)، سیستم استنتاج فازی (ANFIS)  و تکنیک های رگرسیون چندگانه (MR)  برای پیش بینی دبی جرمی شلتوک با استفاده از سنسور خازنی مورد بررسی قرار گرفت. بسامد، رطوبت و ولتاژ خروجی به عنوان متغیرهای ورودی و دبی جرمی به عنوان خروجی در توسعه مدل­ها به کار گرفته شد. نتایج نشان داد که ANN دارای بالاترین ضریب همبستگی بین مقادیر پیش بینی شده و واقعی است (۹۲۷/۰R۲ =). ضریب همبستگی بین مقادیر پیش بینی شده و واقعی برای ANFIS برابر با (۹۰۹/۰=( R۲  است. نتایج نشان می دهد که تکنیک های ANN و ANFIS به طور بالقوه می تواند برای پیش بینی دبی جرمی محصولات کشاورزی مورد استفاده قرار گیرند.

کلیدواژه ها:

نویسندگان

محمد طهماسبی

دانشجو/ دانشگاه محقق اردبیلی

عبداله گل محمدی

هیات علمی/ دانشگاه محقق اردبیلی

رضا طباطبایی کلور

هیات علمی / دانشگاه علوم کشاورزی و منابع طبیعی ساری

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 :
  • Abraham, A. (۲۰۰۵). Adaptation of Fuzzy Inference System Using Neural ...
  • Arslan, S., Inanc, F., Gary. J. M. & Colvin. T. ...
  • ASAE Standards. (۱۹۹۴). S۳۵۲.۲. Moisture measurement ungrounded grains and seeds. ...
  • Aydin, C., Ogut, H. & Konak, M. (۲۰۰۲). Some physical ...
  • Balasubramanian, D. (۲۰۰۲). Physical properties of raw cashew nut. Journal ...
  • Berbert, P. A., Queiroz, D.M. & Melo, E.C. (۲۰۰۲). Dielectric ...
  • Cohen, S. & Intrator, N. (۲۰۰۲). Automatic model selection in ...
  • Debye, P. (۱۹۲۹). Polar Molecules, Dover Publication, Inc, New York ...
  • Eubanks, J. C. & Birrell, S. J. (۲۰۰۱). Determining moisture ...
  • Jang, J. S. R. (۱۹۹۳). ANFIS: adaptive-network-based fuzzy inference system. ...
  • Kenneth, J., Wernter, S. & MacInyre, J. (۲۰۰۱). Knowledge extraction ...
  • Klemme, K. A., Schumacher, J. A. & Donell, D. P. ...
  • Kumhala, F., Kviz, Z., Kmoch, J. & Prosek. V. (۲۰۰۷). ...
  • Kumhala, F., Prosek, V. & Blahovec. J. (۲۰۰۹). Capacitive throughput ...
  • Kumhala, F., Prosek, V. & Kroulik, M. (۲۰۰۸). Parallel Plate ...
  • Kumhala, F., Prosek, V. & Kroulik, M. (۲۰۱۰). Capacitive sensor ...
  • Lawrence, K. C., Funk, D. B. & Windham, W. R. ...
  • Lim, T. S., Loh, W. Y., Tim, L. & Shih, ...
  • Design, Development and Evaluation of a Mass Flow Sensor for Grain Combine Harvesters [مقاله ژورنالی]
  • Nelson, S. O. (۲۰۰۸). Dielectric properties of agricultural products and ...
  • Osman, A. M., Savoie, P., Grenier, D. & Theriault, R. ...
  • Rostampour, V., Motlagh, A. M, Komarizadeh, M. H., Sadeghi, M., ...
  • Schnug, E. D. M., Murphy, E., Evans, S. Haneklaus. & ...
  • Simpson, P. K. (۱۹۹۰). Artificial Neural Systems: Foundations, Paradigms, Applications, ...
  • Soltani, M., Alimardani, R. & Omid, M. (۲۰۱۱). A Feasibility ...
  • Taghinezhad, J., Alimardani, R. & Jafari, A. (۲۰۱۲). Development of ...
  • Vakil-Baghmisheh, M.T. (۲۰۰۲). Farsi Character recognition using artificial neural networks, ...
  • Venkatesh, M. S. & Raghavan, G. S. V. (۲۰۰۵). An ...
  • Wagner, L. E. & Schrock, M. D. (۱۹۸۹). Yield determination ...
  • نمایش کامل مراجع