پيش بيني بده خروجي سمپاش زراعي نرخ متغير با استفاده از شبكه عصبي مصنوعي

Predicting flow of a variable rate boom sprayer by artificial neural network

به منظور پيش بيني بده خروجي يك سمپاش زراعي نرخ متغير، از روش شبكه عصبي مصنوعي استفاده شد. براي مدل سازي بده خروجي افشانك ها، 727 شبكه با چهار نوع مدل عصبي مصنوعي خطي، پرسپترون چندلايه، تابع پايه شعاعي و رگرسيون تعميم يافته آزمون شدند. براي هر افشانك 22،45 و 23 داده به ترتيب براي آموزش، اعتبارسنجي و آزمايش استفاده شدند. بر اساس مقايسه نتايج مدل ها، مدل تابع پايه شعاعي با يك لايه ورودي، 4 لايه پنهان و 4 لايه خروجي با حداقل خطا به عنوان بهترين مدل انتخاب شد. هم چنين براساس نتايج، ميانگين مقادير R2 افشانك ها در مدل عصبي مصنوعي برابر با 0/9942، 0/9879، 0/9969 و 0/990 به دست آمد. هم چنين ميانگين ضريب تغييرات برابر با 18/96 % بود. به طور كلي نتايج به دست آمده نشان داد، كه مدل عصبي مصنوعي روش دقيقي براي پيش گويي بده سمپاش بر اساس تغييرپذيري هاي مكاني سم در مزارع است.

To predict the flow of a variable rate sprayer, artificial neural net (ANN) was used. To model output flow of sprayer, 727 nets by 4 neural net models of linear, MLP, RBF and GRNN were tested. For each nozzle, 45, 22 and 23 data were used for train, verification and test, respectively. Among tested models, RBF model with one input, 4 hidden and one output layers was selected by regression ratio of 0.198 and correlation of 0.98. Based on the results, average value of R2 for four nozzles by ANN model was 0.9942, 0.9879, 0.9969 and 0.990, respectively. So, average CV for neural net model obtained 18.96%. In addition, results indicated that ANN is an accurate model in prediction of variable rate sprayer flow