تعداد نشریات | 161 |
تعداد شمارهها | 6,533 |
تعداد مقالات | 70,504 |
تعداد مشاهده مقاله | 124,124,708 |
تعداد دریافت فایل اصل مقاله | 97,233,297 |
اندازهگیری دبی جرمی شلتوک با استفاده از حسگر خازنی و مدل سازی آن با رگرسیونی چندگانه، ANN و ANFIS | ||
مهندسی بیوسیستم ایران | ||
مقاله 4، دوره 48، شماره 2، مرداد 1396، صفحه 221-227 اصل مقاله (809.73 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ijbse.2017.62464 | ||
نویسندگان | ||
محمد طهماسبی1؛ عبداله گل محمدی* 2؛ رضا طباطبایی کلور3 | ||
1دانشجو/ دانشگاه محقق اردبیلی | ||
2هیات علمی/ دانشگاه محقق اردبیلی | ||
3هیات علمی / دانشگاه علوم کشاورزی و منابع طبیعی ساری | ||
چکیده | ||
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 تکنیکهای رگرسیون چندگانه (MR) برای پیشبینی 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 (927/0R2 =). ضریب همبستگی بین مقادیر پیش بینی شده و واقعی برای ANFIS برابر با (909/0=( R2 است. نتایج نشان میدهد که تکنیکهای ANN و ANFIS به طور بالقوه میتواند برای پیش بینی دبی جرمی محصولات کشاورزی مورد استفاده قرار گیرند. | ||
کلیدواژهها | ||
حسگر خازنی؛ دبی جرمی؛ شبکه عصبی مصنوعی؛ رگرسیون چندگانه و ANFIS | ||
مراجع | ||
Abraham, A. (2005). Adaptation of Fuzzy Inference System Using Neural Learning. Fuzzy Systems Engineering. Series Studies in Fuzziness and Soft Computing, 181, 53-83. Arslan, S., Inanc, F., Gary. J. M. & Colvin. T. S. (2000). Grain flow measurements with x-ray techniques. Computers and Electronics in Agriculture. 26, 65-80. ASAE Standards. (1994). S352.2. Moisture measurement ungrounded grains and seeds. St. Joseph, MI, ASAE. Aydin, C., Ogut, H. & Konak, M. (2002). Some physical properties of Turkish Mahaleb. Biosystems Engineering, 82 (3), 231-234. Balasubramanian, D. (2002). Physical properties of raw cashew nut. Journal of Agricultural Engineering Research, 78, 291-297. Berbert, P. A., Queiroz, D.M. & Melo, E.C. (2002). Dielectric properties of common bean. Biosystems Engineering, 83 (4), 449–462. Cohen, S. & Intrator, N. (2002). Automatic model selection in a hybrid perceptron/radial network. Information Fusion, 3 (4), 259–266. Debye, P. (1929). Polar Molecules, Dover Publication, Inc, New York. Eubanks, J. C. & Birrell, S. J. (2001). Determining moisture content of hay and forages using multiple frequency parallel plate capacitors. ASAE Paper. 011072. Jang, J. S. R. (1993). ANFIS: adaptive-network-based fuzzy inference system. IEEE Transactions on Systems, Man and Cybernetics, 23 (3), 665-685. Kenneth, J., Wernter, S. & MacInyre, J. (2001). Knowledge extraction from Radial Basis Function networks and Multi-layer Perceptron’s. International Journal of Computational Intelligence and Applications, 1 (3), 369–382. Klemme, K. A., Schumacher, J. A. & Donell, D. P. (1992). Results and advantages of a especially variable technology for crop yield. ASAE Paper, 921651. Kumhala, F., Kviz, Z., Kmoch, J. & Prosek. V. (2007). Dynamic laboratory measurement with dielectric sensor for forage mass flow determination. Research in Agricultural Engineering, 53 (4), 149–154. Kumhala, F., Prosek, V. & Blahovec. J. (2009). Capacitive throughput sensor for sugar beets and potatoes. Biosystems engineering, 102, 36-43. Kumhala, F., Prosek, V. & Kroulik, M. (2008). Parallel Plate Mass Flow Sensor for Forage Crops and Sugar Beet. ASAE Paper, 084700. Kumhala, F., Prosek, V. & Kroulik, M. (2010). Capacitive sensor for chopped maize throughput measurement. Computers and Electronics in Agriculture, l (70), 234–238. Lawrence, K. C., Funk, D. B. & Windham, W. R. (2001). Dielectric moisture sensor for cereal grains and soybeans. Transaction of ASAE, 44 (6), 1691-1696. Lim, T. S., Loh, W. Y., Tim, L. & Shih, Y. S., (2000). A comparison of prediction accuracy, complexity, and training time of thirty-three old and new classification algorithm. Machine Learning, 40(3), 203–238. Nazemsadat, S. M. R. & Loghavi, M. (2013). Design, Development and Evaluation of a Mass Flow Sensor for Grain Combine Harvesters. Journal of Agricultural Machinery. 32, 71-84. (in Farsi) Nelson, S. O. (2006). Agricultural applications of dielectric measurements. IEEE Transactions on dielectrics and Electrical Insulation, 16, 688-702. Nelson, S. O. (2008). Dielectric properties of agricultural products and some applications. Research in Agricultural Engineering, 54, 104-112. Osman, A. M., Savoie, P., Grenier, D. & Theriault, R. (2002). Parallel-plate capacitance moisture sensor for hay and forage. ASAE Paper, 021055. Rostampour, V., Motlagh, A. M, Komarizadeh, M. H., Sadeghi, M., Bernousi, I. & Ghanbari, T. (2013). Using Artificial Neural Network (ANN) technique for prediction of apple bruise damage. Australian Journal of Crop Science, 7(10), 1442-1448. Schnug, E. D. M., Murphy, E., Evans, S. Haneklaus. & Lamp. J. (1993). Yield mapping and application of yield maps to computer-aided local resource management: P. C. Robert, R. H. Rust and W. E. Larson, Ed., Proceedings of Soil Specific Crop Management, 87-93. Simpson, P. K. (1990). Artificial Neural Systems: Foundations, Paradigms, Applications, and Implementations. Pergamum Press, New York. Soltani, M., Alimardani, R. & Omid, M. (2011). A Feasibility Study of Employing a Capacitance Based Method in Banana Ripeness Recognition. Iranian Journal of Biosystems Engineering, 42 (1), 21-27. (In Farsi) Stafford, J. V., Ambler, B., Lark, R. M. & Catt, J. (1996). Mapping and interpreting the yield variation in cereal crops. Computers and Electronics in Agriculture, 14 (2-3): 101-119. Taghinezhad, J., Alimardani, R. & Jafari, A. (2012). Development of a Capacitive Sensing Device for Prediction of Water Content in Sugarcanes Stalks. International Journal of Advanced Science and Technology, 44, 61-68. Vakil-Baghmisheh, M.T. (2002). Farsi Character recognition using artificial neural networks, Ph. D. dissertation, University of Ljubljana, Slovenia. Venkatesh, M. S. & Raghavan, G. S. V. (2005). An overview of dielectric properties measuring techniques. Canadian Biosystems Engineering, 47 (7), 15-30. Wagner, L. E. & Schrock, M. D. (1989). Yield determination using a pivoted auger flow sensor. Transactions of the ASAE, 32 (2), 409-413.
| ||
آمار تعداد مشاهده مقاله: 800 تعداد دریافت فایل اصل مقاله: 599 |