• شماره ركورد
    1350719
  • عنوان مقاله

    پيش‏‌بيني رطوبت خاك گلخانه با استفاده از شبكه عصبي مصنوعي و حسگرهاي شبكه بي‏سيم

  • پديد آورندگان

    بهزادي پور ، فائزه دانشگاه علوم كشاورزي و منابع طبيعي خوزستان - دانشكده مهندسي زراعي و عمران روستايي - گروه مهندسي ماشين هاي كشاورزي و مكانيزاسيون , قاسمي نژاد رائيني ، محمود دانشگاه علوم كشاورزي و منابع طبيعي خوزستان - دانشكده مهندسي زراعي و عمران روستايي - گروه مهندسي ماشين هاي كشاورزي و مكانيزاسيون , آبدانان مهدي زاده ، سامان دانشگاه علوم كشاورزي و منابع طبيعي خوزستان - دانشكده مهندسي زراعي و عمران روستايي - گروه مهندسي ماشين هاي كشاورزي و مكانيزاسيون , تاكي ، مرتضي دانشگاه علوم كشاورزي و منابع طبيعي خوزستان - دانشيار دانشكده مهندسي زراعي و عمران روستايي - گروه مهندسي ماشين هاي كشاورزي و مكانيزاسيون , خليلي مقدم ، بيژن دانشگاه علوم كشاورزي و منابع طبيعي خوزستان - دانشيار دانشكده كشاورزي - گروه علوم و مهندسي خاك , زارع بواني ، محمدرضا دانشگاه علوم كشاورزي و منابع طبيعي خوزستان - دانشكده كشاورزي - گروه علوم و مهندسي باغباني

  • از صفحه
    341
  • تا صفحه
    356
  • كليدواژه
    پيش بيني , شبكه عصبي مصنوعي , گلخانه , نقشه رطوبت خاك , هوشمند
  • چكيده فارسي
    رطوبت خاك يكي از اصلي‏ترين عوامل تعيين كننده براي رشد بهتر گياهان به ويژه در گلخانه‏ها كه امروزه بصورت گسترده‏اي مورد استقبال قرار گرفته‏اند، مي‏باشد. اندازه‏گيري‏ رطوبت خاك و عوامل محيطي بصورت پيوسته و سالانه، علاوه بر وقتگير بودن، هزينه‏هاي زيادي را در پي دارد. از اين‏رو يكي از ابزارهاي پيش‏بيني كننده هوشمند كه امروزه با كمترين ميزان خطا جايگاه وسيعي در علم كشاورزي به خود اختصاص داده، ابزار شبكه عصبي مي‏باشد. در اين پژوهش به منظور كنترل رطوبت خاك توسط نقشه پيش‏بيني رطوبت مبتني بر شبكه عصبي مصنوعي، درصد رطوبت و دماي خاك، ميزان نور، دما و رطوبت محيط در گلخانه‏اي واقع در شمال شرقي خوزستان، طي دو فصل زمستان و بهار اندازه‏گيري و ثبت گرديد. نتايج نشان از پيش‏بيني دقيق نقشه رطوبتي خاك در فصل زمستان و بهار به ترتيب با كمترين ميزان خطاي استاندارد (1.12 و 1.71) و بالاترين ضريب تعيين (R2) به ترتيب 0.94 و 0.78 بين مقادير اندازه‎‏گيري شده واقعي و مقادير پيش‏بيني شده در مرحله آموزش و بالاترين ضريب تعيين در مرحله آزمايش براي فصل زمستان و بهار به ترتيب 0.87 و 0.93 توسط شبكه عصبي مصنوعي داشتند. بنابراين دقت قابل توجه در پيش‏بيني رطوبت خاك توسط اين نرم‏افزار نشان از اهميت و قابليت اطمينان بالاي آن در امور كشاورزي و گلخانه‏اي دارد كه به موجب آن، كنترل رطوبت خاك آسان‏تر گرديده و تنش‏هاي رطوبتي كمتري براي خاك و به تبع آن براي گياه رخ مي‏دهد.
  • عنوان نشريه
    مهندسي بيوسيستم ايران
  • عنوان نشريه
    مهندسي بيوسيستم ايران