این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
دانش کشاورزی و تولید پایدار، جلد ۲۱، شماره ۴، صفحات ۷۵-۸۴
عنوان فارسی تعیین اندازه قطرات آفتکش با استفاده از شبکه‌های عصبی مصنوعی
چکیده فارسی مقاله امروزه توجه به مسائل ایمنی و زیست محیطی در تمام بخش­های کشاورزی، صنعتی و خدماتی کشورهای مختلف از اهمیت بالایی برخوردار است. در بخش کشاورزی با وجود تلاش­های فراوان برای یافتن روش­های جایگزین، سالانه میلیون­ها لیتر ماده­ی سمی برای کنترل آفات مزارع مصرف می­شود. در سمپاشی مؤثر اندازه قطرات آفتکش نقش مهمی دارد اندازه‌ی قطرات تحت تاثیر عوامل متعددی از جمله فشار، قطر سوراخ نازل، گرانروی مایع پاشیده شده و سرعت وزش باد در منطقه می‌باشد در این پژوهش از شبکه پیشخور برای مدل­سازی قطر حجمی متوسط استفاده شد. لایه‌های ورودی فشار سمپاشی و قطر خروجی نازل و لایه خروجی شبکه عصبی مصنوعی قطر حجمی متوسط بود. به منظور دستیابی به بهترین روش، پنج روش گرادیان نزولی، گرادیان نزولی با مومنتوم، لونبرگ مارکوآرت، دلتا بار دلتا و گرادیان مزدوج استفاده شد. با توجه به مقادیر میانگین مربعات خطا و ضریب تبیین روش گرادیان نزولی با مونتوم به عنوان بهترین روش انتخاب شد. پس از آموزش و اعتبارسنجی شبکه، میزان میانگین مربعات خطا و ضریب تبیین به ترتیب برابر0176/0 و90/0 به دست آمد. به منظور بررسی صحت پیش­بینی شبکه، آزمایش‌هایی انجام شد و قطر ذرات در حالت واقعی با مقادیر حاصل از شبکه عصبی، با آزمون کای دو مقایسه گردید، تفاوت حاصل معنی­دار نبود. این نتایج نشان می‌دهد که شبکه‌های عصبی مصنوعی می‌توانندبرآورد مناسبی در تخمین اندازه قطرات داشته باشند.
کلیدواژه‌های فارسی مقاله اندازه قطرات آفتکش، شبکه عصبی مصنوعی، فشار، قطر خروجی نازل،
عنوان انگلیسی Controlling Spray Particle Size Using Artificial Neural Networks
چکیده انگلیسی مقاله Considering safety and environmental issues are very important in all domains of agriculture, industry and services in different countries. In the agricultural domain despite of numerous efforts to find alternative methods, millions of liters of toxic chemicals are used by chemical methods to control plant pests every year. Certainly, the most important issue in spraying is the size of drops which is influenced by several factors including pressure, nozzle hole diameter, viscosity of the chemical solution and wind speed in the area. In this study, MLP network Feed Forward modeling was used. Input consisted of two layers including nozzle diameter (three sizes) and spraying pressure (three pressure levels). Output of the artificial neural network determined by volume median diameter. In order to choose the best procedure, five methods including gradient descending, descending gradient with momentum, Levenberg-Marquart, conjugate gradient and Delta Bar Delta were used. Considering both minimum mean square error and coefficient of determination, the descending gradient with momentum was chosen. After training and validation of the network, MSE and coefficient of determination were 0.0176 and 0.90, respectively. In order to verify the results from neural network several tests were carried out and observed particle diameters were compared with values ​​obtained from neural networks by chi-square test. The difference was not significant.These results indicate that neural networks can estimate properly the size of the droplets .
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله لیلا پیمان |
، دانشکده کشاورزی دانشگاه تبریز
سازمان اصلی تایید شده: دانشگاه تبریز (Tabriz university)

اصغر محمودی |
دانشکده کشاورزی دانشگاه تبریز
سازمان اصلی تایید شده: دانشگاه تبریز (Tabriz university)

شمس اله عبداله پور |
دانشکده کشاورزی دانشگاه تبریز
سازمان اصلی تایید شده: دانشگاه تبریز (Tabriz university)

محمد مقدم |
دانشکده کشاورزی دانشگاه تبریز
سازمان اصلی تایید شده: دانشگاه تبریز (Tabriz university)

بهزاد رعنابناب | رعنابناب
کنولوژی طراحی شرکت تراکتورسازی تبریز

نشانی اینترنتی http://sustainagriculture.tabrizu.ac.ir/article_1088_192.html
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات