Sajadi S J, Sabouri H, Fallahi H A. Soybean Yield Prediction Using Adaptive Nero-Fuzzy Interface System (ANFIS). Journal of Crop Production and Processing 2015; 5 (16) :283-290
URL:
http://jcpp.iut.ac.ir/article-1-2380-fa.html
سجادی سید جواد، صبوری حسین، فلاحی حسینعلی. پیشبینی عملکرد سویا در شرایط دیم با استفاده از سیستم استنتاج نروفازی (ANFIS). نشریه تولید و فرآوری محصولات زراعی و باغی. 1394; 5 (16) :283-290
URL: http://jcpp.iut.ac.ir/article-1-2380-fa.html
دانشگاه گنبد کاووس ، javad.sajadi@ghec.ac.ir
چکیده: (3874 مشاهده)
یکی از روشهای پیشبینی عملکرد گیاهان زراعی دیم استفاده از مشخصات آب و هوایی میباشد. پیشبینی عملکرد گیاهان زراعی نقش مهمی در سیاستگذاریهای بخش کشاورزی ایفا میکند. آشکارترین کاربرد آن، تعیین اعتبار لازم جهت خرید گیاهان زراعی و قیمتگذاری آن برای سال آینده میباشد. تاکنون از مدلهای ریاضی شامل آنالیز رگرسیون و نیز شبکههای عصبی مصنوعی جهت پیشبینی عملکرد گیاهان زراعی دیم استفاده شده است. در این پژوهش با استفاده از سیستم استنتاج نروفازی (ANFIS) و دادههای هواشناسی 11 سال زراعی (1388 - 1377)، روشی جدید جهت پیشبینی عملکرد گیاهان زراعی سویای دیم در منطقه گنبد استان گلستان بهکار گرفته شده است. مشخصات مورد استفاده بهعنوان ورودی سیستم استنتاج نروفازی (ANFIS) شامل میانگین هفتگی بارندگی، درجه حرارت، درصد رطوبت و تعداد ساعات آفتابی و خروجی آن میزان عملکرد گیاهان زراعی بر حسب کیلوگرم در هکتار میباشد. تحلیل رگرسیون چند مرحلهای پیش رو برای انتخاب مشخصات بهینه جهت پیشبینی عملکرد گیاهان زراعی با استفاده از نرمافزار SPSS 18 و ایجاد، آموزش و آزمون سیستم استنتاج نروفازی (ANFIS) با استفاده از نرمافزار Matlab R2011a انجام شد. ANFIS بهکار گرفته شده در این پژوهش دارای تابع عضویت از نوع "constant" در لایه خروجی و تابع عضویت از نوع "gaussmf" در لایه ورودی میباشد. تعداد توابع عضویت برای هر کدام از ورودی ها 3 تابع و برای لایه خروجی 1 تابع بود. نتایج بهدست آمده نشان داد که سیستم استنتاج نروفازی ارائه شده با 21 قانون قادر به پیشبینی عملکرد گیاهان زراعی سویای دیم با مقدار RSME برابر با 170/102 میباشد.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
عمومى