نگار حافظی؛ محمدجواد شیخداودی؛ هوشنگ بهرامی؛ سید عنایتاله علوی
چکیده
متغیرهای مختلفی بر عملکرد مزارع نیشکر تأثیرگذارند. با بررسی این متغیرها و تعیین میزان اثر هر یک از آنها میتوان به راهکارهایی بهمنظور افزایش بهرهوری مزارع نیشکر دست یافت. امروزه استفاده از یافتههای هوش مصنوعی و داده کاوی برای کمک به پیشبینی تولید محصول مورد توجه قرار گرفته است. هدف از این مقاله، معرفی روش هوشمند سیستم استنتاج ...
بیشتر
متغیرهای مختلفی بر عملکرد مزارع نیشکر تأثیرگذارند. با بررسی این متغیرها و تعیین میزان اثر هر یک از آنها میتوان به راهکارهایی بهمنظور افزایش بهرهوری مزارع نیشکر دست یافت. امروزه استفاده از یافتههای هوش مصنوعی و داده کاوی برای کمک به پیشبینی تولید محصول مورد توجه قرار گرفته است. هدف از این مقاله، معرفی روش هوشمند سیستم استنتاج فازی- عصبی تطبیقی و ترکیب این تکنیک با الگوریتم بهینهسازی ازدحام ذرات به منظور افزایش دقت و سرعت یادگیری سیستم فازی- عصبی در تخمین خصوصیات کمی و کیفی محصول نیشکر است. متغیرهای مدل شامل مجموعهای از عوامل مدیریتی، خصوصیات خاک، آب و اقلیمی در منطقه مورد مطالعه است. در ابتدا، برای انتخاب ویژگیهای بهینه از میان متغیرهای موجود در مسأله از الگوریتم ژنتیک استفاده شد سپس از یک الگوی اصلی سیستم استنتاج فازی- عصبی تطبیقی و یک الگوی ترکیبی شبکه فازی- عصبی با الگوریتم ازدحام ذرات برای پیشبینی خصوصیات مورد مطالعه استفاده گردید. نتایج نشان داد که الگوی ترکیبی شبکه فازی- عصبی و الگوریتم ازدحام ذرات نسبت به الگوی اصلی سیستم فازی- عصبی صرف، به راهحل دقیقتر و قویتر منجر شدهاست؛ این مدل به ترتیب با مقادیر اعشاری ضریب تعیین، ریشه میانگین مربعات خطا و میانگین درصد خطای مطلق 9237/0، 0181/0 و 0217/0 برای عملکرد نیشکر و نیز 9847/0، 0086/0 و 0138/0 برای درصد شکر استحصالی، توانایی مناسبی در پیشبینی و نگاشت غیرخطی میان متغیرهای مورد نظر داشته است.
نگار حافظی؛ محمد جواد شیخ داودی؛ سید مجید سجادیه؛ محمد اسماعیل خراسانی فردوانی
چکیده
هدف از این تحقیق پیشبینی نسبت رطوبت ورقههای سیبزمینی در طی فرآیند خشک کردن با گرمایش مادون قرمز تحت شرایط خلأ به عنوان تابعی از زمان خشک کردن، میزان خلأ، توان تابشی لامپ مادون قرمز، ضخامت ورقه و محتوای رطوبت محصول به کمک شبکههای عصبی مصنوعی میباشد. آزمایشها در سه سطح توان لامپ مادون قرمز 100، 150 و 200 وات، سه سطح خلأ 20، 80 و 140 میلیمتر ...
بیشتر
هدف از این تحقیق پیشبینی نسبت رطوبت ورقههای سیبزمینی در طی فرآیند خشک کردن با گرمایش مادون قرمز تحت شرایط خلأ به عنوان تابعی از زمان خشک کردن، میزان خلأ، توان تابشی لامپ مادون قرمز، ضخامت ورقه و محتوای رطوبت محصول به کمک شبکههای عصبی مصنوعی میباشد. آزمایشها در سه سطح توان لامپ مادون قرمز 100، 150 و 200 وات، سه سطح خلأ 20، 80 و 140 میلیمتر جیوه به همراه یک حالت تحت شرایط اتمسفری (بدون خلأ) با سه ضخامت ورقه 1، 2 و 3 میلیمتر در سه تکرار انجام گردید. از شبکه عصبی پرسپترون چند لایه پس انتشار پیشخور با الگوریتم یادگیری لونبرگ- مارکوارت جهت پیشبینی تغییرات رطوبت نسبت به زمان در طی فرآیند خشک کردن استفاده گردید. بهترین چیدمان شبکه عصبی بر اساس یک لایه پنهان به صورت 1-2-4 با تابع انتقال تانژانت سیگموئید انتخاب شد. به طور کلی نتایج حاکی از آن بود که شبکه عصبی پنجم با پارامترهای ورودی ضخامت ورقه، خلأ، توان تابشی لامپ مادون قرمز و محتوای رطوبت محصول با بیشترین ضریب تبیین 99990/0 و کمترین خطای شبکه 00016/0 نتایج بهتری در جهت پیشبینی نسبت رطوبت ورقههای سیبزمینی ارائه نموده است.