دانلود مقاله ISI انگلیسی شماره 52554
عنوان فارسی مقاله

پیش بینی عملکرد بذر کنجد با استفاده از شبکه عصبی مصنوعی

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
52554 2015 8 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Seed yield prediction of sesame using artificial neural network
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : European Journal of Agronomy, Volume 68, August 2015, Pages 89–96

کلمات کلیدی
برآورد عملکرد بذر - کنجد - شبکه های عصبی مصنوعی - روش رگرسیون چندگانه
پیش نمایش مقاله
پیش نمایش مقاله پیش بینی عملکرد بذر کنجد با استفاده از شبکه عصبی مصنوعی

چکیده انگلیسی

The prediction of seed yield is one of the most important breeding objectives in agricultural research. So, in this study, two methods namely artificial neural network (ANN) and multiple regression model (MLR) were employed to estimate the seed yield of sesame (SYS) from readily measurable plant characters (e.g., flowering time of 100% (days), the plant height (cm), the capsule number per plant, the 1000-seed weight (g) and the seed number per capsule). The ANN and MLR were tested using field data. Results showed that the ANN predicts the SYS accurately with a root-mean-square-error (RMSE) of 0.339 t/ha and a determination coefficient (R2) of 0.901. Also, it was found that the ANN model performed better than the MLR model with a RMSE of 0.346 t/ha, and R2 of 0.779. Finally, sensitivity analysis was conducted to determine the most and the least influential characters affecting SYS. It was found that the capsule number per plant and the flowering time of 100% had the most and least significant effects on SYS, respectively.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.