شبيه‌سازي اثر باكتري‌هاي محرك رشد بر ذرت با استفاده از شبكه عصبي مصنوعي

Simulation of Growth Stimulating Bacteria on Corn using Artificial Neural Network

مطالعات بسياري در زمينه شناخت عوامل مؤثر بر ميزان رشد و نمو گياهان زراعي از جمله گياه ذرت صورت گرفته است با توجه به جايگاه ويژه ذرت، تعيين اثر اين عوامل از اهميت بالايي برخوردار است از آن جائيكه بررسي اين مطالعات در مزارع و آزمايشگاه­ها بسيار زمان­ بر و پرهزينه مي ­باشد استفاده از شبكه عصبي مصنوعي به عنوان يك روش سريع و غير مخرب براي شبيه‌سازي عوامل تاثيرگذار بر محصولات كشاورزي و پيش‌بيني نتايج تجربي حائز اهميت است، هدف از اين تحقيق ارزيابي قابليت پيش بيني اثر باكتري‌هاي محرك رشد بر عملكرد ذرت علوفه‌اي با استفاده از شبكه عصبي مصنوعي بوده كه پس از كسب اطلاعات مورد نياز از مطالعات تجربي، هر كدام از پارامترهاي ورودي و خروجي شامل متغير مستقل (اثر باكتري‌هاي محرك رشد و عوامل تاثيرگذار) و متغير وابسته (عملكرد علوفه در هكتار) داده‌سازي شد سپس شبكه عصبي نوع پرسپترون چند لايه (MLP) با تابع تبديل سيگموئيد در تعداد نورون‌هاي 5، 10، 15، 20، 25 در لايه مخفي طراحي گرديد. نتايج نشان داد شبكه (MLP) با الگوريتم آموزشي پس انتشار خطا با ضريب همبستگي (R=0/999) و ميانگين مربعات خطاي (MSE= 0/000113) با تعداد 10 نورون در لايه مخفي به عنوان مدل مطلوب قادر به پيش‌بيني عملكرد علوفه ذرت تحت تأثير باكتري‌هاي محرك رشد بود، همچنين در نتايج شبيه‌سازي با پارامترهاي ورودي جديد، اختلاف بسيار اندكي بين مقادير خروجي واقعي و خروجي پيش‌بيني شده مشاهده گرديد. بنابراين شبكه عصبي مصنوعي در اين پژوهش به خوبي توانست اثر باكتري‌هاي محرك رشد بر ذرت را تخمين و برآورد كند و مي ­توان از شبكه عصبي حاصل براي پيش‌بيني ساير عوامل تاثيرگذار استفاده نمود.

Many studies have been done to identify factors affecting the growth and development of crops such as corn. Considering the special position of maize, determining the effect of these factors is very important. .Since the study of these studies in farms and laboratories is time consuming and costly, the use of artificial neural network is important as a quick and non-destructive way to simulate factors affecting crop production and predict experimental results. The purpose of this study was to assess the predictive power of growth stimulating bacteria on the yield of corn fodder using artificial neural network. After obtaining the required data from experimental studies, Each of the input and output parameters included independent variable(the effect of growth promoting bacteria and effective factors) and dependent variable(forage yield per hectare) data mining were data mining, Then a multilayered perceptron neural network(MLP) with a sigmoid transformation function was designed in the number of neurons 5, 10, 15, 20, 25 in the secret layer. The results showed that the network(MLP) with an error correlation training algorithm with a correlation coefficient(R= 0.999) and mean square error(MSE= 0/000113) With 10 neurons in the hidden layer as the optimum model was able to predict corn forage yield affected by growth-promoting bacteria, Also, in the simulation results with the new input parameters, there was very little difference between the actual output values and the predicted output, Therefore, the artificial neural network in this study has been able to estimate the effect of growth stimulating bacteria on corn, and the resulting neural network can be used to predict other influential factors.