هیبرید شبکه عصبی مصنوعی با الگوریتمهای فرااکتشافی در پیشبینی عملکرد نیشکر | ||
| مهندسی بیوسیستم ایران | ||
| دوره 51، شماره 3، پاییز 1399، صفحه 515-526 اصل مقاله (995.71 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijbse.2020.290905.665234 | ||
| نویسندگان | ||
| نگار حافظی* 1؛ هوشنگ بهرامی2؛ محمدجواد شیخ داودی3؛ سید عنایتاله علوی4 | ||
| 1دانشجوی دکتری مکانیزاسیون کشاورزی، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران | ||
| 2دانشیار، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران | ||
| 3استاد، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران | ||
| 4استادیار، گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران | ||
| چکیده | ||
| در این پژوهش برای پیشبینی عملکرد نیشکر از شبکه عصبی مصنوعی مبتنی بر الگوریتمهای فرااکتشافی به عنوان یک روش کارآمد که تخمین عملکرد محصول را بر اساس دادههای واقعی به دست میآورد، استفاده شده است. به منظور پیشبینی عملکرد نیشکر از پارامترهای مؤثری نظیر مشخصات گیاه، هدایت الکتریکی آب و خاک، حداکثر درجه حرارت و میانگین ساعات آفتابی در طول دوره رشد محصول و در مقیاس زمانی هفت ساله استفاده گردید. بر همین اساس از چهار الگوی آموزشی در ساخت شبکههای عصبی استفاده شد که به ترتیب شامل شبکه عصبی مصنوعی مبتنی بر الگوریتم پس انتشار خطا، ترکیب شبکه عصبی با الگوریتم ژنتیک، ترکیب شبکه عصبی با الگوریتم ازدحام ذرات و در آخر رویکرد نوین ترکیب شبکه عصبی با الگوریتم مرکب ژنتیک- ازدحام ذرات بودهاند. نتایج بدست آمده از پژوهش، حاکی از آن است که استفاده از الگوریتمهای فرااکتشافی سبب بهبود عملکرد شبکه عصبی شده و قدرت پیشبینی را به طور محسوسی افزایش داده است. مقادیر میانگین مربعات خطا و ضریب همبستگی برای روش ترکیبی شبکه عصبی، الگوریتم ژنتیک و الگوریتم ازدحام ذرات بهترتیب 00057/0 و 91457/0 برای دادههای آزمایش بدست آمد که برتری این روش را نسبت به سایر الگوها نشان میدهد. علاوه بر این، اعتبارسنجی متقاطع مدل پیشنهادی به روش k نزدیکترین همسایه نشان داد که صحت دادههای آموزشی و آزمایشی به منظور پیشبینی عملکرد نیشکر به ترتیب برابر با 5/98 و 5/95 درصد بوده است. | ||
| کلیدواژهها | ||
| نیشکر؛ عملکرد؛ شبکه عصبی مصنوعی؛ الگوریتمهای فرااکتشافی؛ اعتبارسنجی متقاطع | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,072 تعداد دریافت فایل اصل مقاله: 702 |
||