مدل‌سازی
غلامحسین شاهقلی؛ حافظ غفوری چیانه؛ ترحم مصری گندشمین
چکیده
یکی از مخرب‌ترین آثار تردد ماشین در مزرعه ایجاد تراکم در خاک‌های کشاورزی است. تراکم خاک‌های کشاورزی موجب افزایش مقاومت مکانیکی خاک، کاهش ریشه دوانی گیاه و نهایتاً کاهش عملکرد محصول می‌شود. مدل‌سازی سیستم‌های اکولوژیک توسط روش‌های متداول مدل‌سازی، به‌دلیل ماهیت پیچیده آنها در صورت امکان نیز بسیار مشکل است. سیستم‌های هوش مصنوعی ...
بیشتر
یکی از مخرب‌ترین آثار تردد ماشین در مزرعه ایجاد تراکم در خاک‌های کشاورزی است. تراکم خاک‌های کشاورزی موجب افزایش مقاومت مکانیکی خاک، کاهش ریشه دوانی گیاه و نهایتاً کاهش عملکرد محصول می‌شود. مدل‌سازی سیستم‌های اکولوژیک توسط روش‌های متداول مدل‌سازی، به‌دلیل ماهیت پیچیده آنها در صورت امکان نیز بسیار مشکل است. سیستم‌های هوش مصنوعی و محاسبات نرم به‌واسطه سادگی و دقت بالا با یک‌بار تعریف یا آموزش بسیار مورد توجه هستند. هدف از انجام این تحقیق مدل‌سازی سیستم تراکم خاک تحت تأثیر رطوبت خاک، سرعت پیشروی ماشین و عمق خاک توسط شبکه‌های عصبی مصنوعی پرسپترون چندلایه بود. در این پژوهش، رطوبت خاک در پنج سطح 11%، 13/5%، 16%، 19% و 22%، میانگین سرعت پیشروی ماشین در پنج سطح 1، 2، 3، 4 و 5 کیلومتر بر ساعت و عمق‌های مختلف خاک در سطوح 20، 25، 30، 35 و 40 سانتی‌متر در نظر گرفته شد. داده‌های تجربی در مزرعه تحقیقاتی دانشگاه محقق اردبیلی به‌صورت آزمایش فاکتوریل در قالب طرح بلوک‌های کامل تصادفی در پنج سطح رطوبت، سرعت پیشروی و عمق خاک در سه تکرار به‌دست آمدند. شبکه عصبی پرسپترون با پنج نرون در لایه پنهان با تابع انتقال سیگموییدی و تابع انتقال خطی برای نرون خروجی برای مدل‌سازی طراحی و آموزش داده شد. مقایسه نتایج مدل و نتایج تجربی نشان‌دهنده ضریب تبیین 0/99 =R2 بین این مقادیر بود. مقدار میانگین مربعات خطای مدل و درصد میانگین مطلق خطای سیستم به‌ترتیب برابر 0/17 و 0/29 درصد به‌دست آمدند که نشان از دقت بالای مدل شبکه عصبی در تخمین مقادیر تراکم خاک دارد.
