تعیین الگوی توزیع جمعیت علف هرز خارشتر .Alhagi pseudalhagi (M.B) Desv با استفاده از شبکه عصبی مصنوعی چندی ساز بردار یادگیر (LVQ4)

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 تعیین الگوی توزیع جمعیت علف هرز خارشتر .Alhagi pseudalhagi (M.B) Desv با استفاده از شبکه عصبی مصنوعی چندی ساز بردار یادگیر (LVQ4) دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد تعیین الگوی توزیع جمعیت علف هرز خارشتر .Alhagi pseudalhagi (M.B) Desv با استفاده از شبکه عصبی مصنوعی چندی ساز بردار یادگیر (LVQ4)  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی تعیین الگوی توزیع جمعیت علف هرز خارشتر .Alhagi pseudalhagi (M.B) Desv با استفاده از شبکه عصبی مصنوعی چندی ساز بردار یادگیر (LVQ4)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن تعیین الگوی توزیع جمعیت علف هرز خارشتر .Alhagi pseudalhagi (M.B) Desv با استفاده از شبکه عصبی مصنوعی چندی ساز بردار یادگیر (LVQ4) :

نام کنفرانس، همایش یا نشریه : حفاظت گیاهان (علوم و صنایع کشاورزی)

تعداد صفحات :۱۳

تهیه نقشه های دقیق پراکنش علف های هرز به منظور کنترل متناسب با مکان آن ها مورد توجه بسیاری از محققین می باشد. این پژوهش نیز به منظور بررسی توزیع علف هرز خارشتر و ترسیم نقشه پراکنش آن با استفاده از شبکه عصبی چندی ساز بردار یادگیر (LVQ4) در سطح مزرعه انجام شد. داده های مربوط به جمعیت علف هرز خارشتر از طریق نمونه برداری از ۵۵۰ نقطه از سطح یک مزرعه در حال آیش واقع در مزرعه تحقیقاتی دانشکده کشاورزی دانشگاه صنعتی شاهرود در استان سمنان در سال ۱۳۸۹ بدست آمد. ارزیابی قابلیت شبکه عصبی در پیش بینی توزیع مکانی علف هرز با مقایسه آماری پارامترهایی مانند میانگین، واریانس، توزیع آماری رگرسیونی بین مقادیر پیش بینی شده مکانی توسط شبکه عصبی و مقادیر واقعی آنها و نیز معیار دقت کلاس بندی انجام شد. نتایج نشان داد که در فاز آموزش، آزمایش و کل، به ترتیب مقادیر p³۰.۲ ،p³۰.۷ و p=1.000بدست آمد که نشان دهنده عدم وجود تفاوت معنی داری در سطح ۵ درصد بین مقادیر ویژگی های آماری (میانگین، واریانس و توزیع آماری) مجموعه داده های پیش بینی شده مکانی علف هرز و مقادیر واقعی آنها بود. به عبارتی شبکه عصبی مصنوعی به خوبی توانست مدل داده های مکانی علف هرز را بیاموزد. نتایج نشان داد که شبکه عصبی آموزش دیده، دارای قابلیت بالایی در پیش بینی مکانی علف هرز در نقاط نمونه برداری نشده با خطای تشخیص کمتر از ۰.۹۰ درصد بود. شبکه عصبی توانست پس از کلاس بندی، نقشه توزیع مکانی علف هرز خارشتر را در تمام نقاط سطح مزرعه ترسیم نماید. نقشه حاصل از کلاس بندی نشان داد که علف هرز خارشتر دارای توزیع لکه ای است و لذا امکان کنترل متناسب با مکان آن در مزرعه مورد مطالعه وجود دارد.

کلید واژه: توزیع لکه ای، کشاورزی دقیق، کلاس بندی، نقشه علف هرز