تاثیر خصوصیات فیزیکی و شیمیایی خاک بر روی شاخص های کیفی برگ کنگر فرنگی با استفاده …

۳۹

۴

رس

۳۸/۱-

۱۶/۰

۶۶/۱

۱۶/۲

۸۵/۰

Bd

۴-۲- نتایج مدلسازی شبکه عصبی مصنوعی
در این بخش نتایج حاصل از بهترین ساختار شبکه عصبی مصنوعی با ۱۲ پارامتر ورودی برای ۶۰ نمونه خاک نشان داده میشود. همچنین در ادامه آنالیز حساسیت و نتایج حاصله از آن ارائه میشود. در این تحقیق از شبکه پرسپترون چند لایه استفاده گردید و توابع انتقالی در لایه پنهان و لایه خروجی، تعداد لایه پنهان، تعداد نرون در لایه پنهان برای شبکه مورد آزمایش قرار گرفت و بهترین ساختار شبکه برای وزن بوته و میزان آنتیاکسیدان بوسیله سعی و خطا بدست آمد. انتخاب بهترین شبکه برای پیشبینی وزن بوته و میزان آنتیاکسیدان نیز بر اساس کمترین میزان RMSE و بالاترین R2 می‌باشد.
در مدلسازی وزن بوته و میزان آنتیاکسیدان با ۱۲ پارامتر برای ۶۰ نمونه خاک ، بهترین آرایش لایه پنهان با الگوریتم آموزشی لونبرگ- مارکوآرت به صورت یک لایه پنهان، ۳۴ نرون، تابع آستانه Logsig برای لایه پنهان و Tansig برای لایه خروجی انتخاب گردید. جداول ۴-۳و۴-۴ پارامترهای آماری محاسبه شده برای مدل ایجاد شده در مراحل آموزش، اعتبارسازی، آزمون و کل را به ترتیب در مورد وزن بوته و میزان آنتیاکسیدان نشان می‌دهد. با استفاده از مقدار شیب خط برازش داده شده بین دادههای پیشبینی در مقابل دادههای اندازه‌گیری، میتوان اطلاعاتی در مورد عملکرد مدل کسب کرد. اگر شیب خط برازش داده شده بین دادههای پیشبینی در مقابل دادههای اندازهگیری برابر ۱ باشد، نشاندهنده این است که مقادیر پیشبینی برابر با مقادیر اندازهگیری میباشند. شکل ۴-۱ و۴-۲ شاخص R2 و معادله خط برازش داده شده بین دادههای پیشبینی شده با مدل در مقابل دادههای اندازهگیری شده وزن بوته و میزان آنتیاکسیدان را در مراحل آموزش و آزمون مـدل نشان می دهند. همانطور که در شکلهای ۴-۱ و۴-۲ مشاهده میشود، شیب خط برازش داده شده برای وزن تک بوته به ترتیب ۹۹/۰ و ۹۸/۰ میباشد، که بیانگر نزدیک بودن دادههای پیشبینی با دادههای اندازهگیری است و از آنجا که ضریب تبیین در مراحل آموزش و آزمون به ترتیب ۹۲/۰ و ۸۶/۰ میباشد به این نتیجه میرسیم که در این مدل برآورد وزن بوته با توجه به بالابودن میزان R2و کم بودن میزان RMSE از دقت خوبی برخوردار میباشد و در شکل ۴-۳ و ۴-۴ مشاهده میشود، شیب خط برازش داده شده برای میزان آنتیاکسیدان به ترتیب ۱ و ۱ میباشد و ضریب تبیین در مراحل آموزش و آزمون به ترتیب ۹۹/۰ و ۹۹/۰ میباشد که این مدل هم نتیجه خوبی در دقت دارد.
جدول ۴-۳- پارامترهای آماری محاسبه شده برای مراحل آموزش، اعتبارسازی، آزمون و کل در مدل ۱۲ پارامتره برای وزن تک بوته (گرم)

RMSE R2 مرحله
۰۳۰/۰ ۹۲/۰ آموزش
۰۴۰/۰ ۸۸/۰ اعتبارسازی
۰۴۱/۰ ۸۶/۰ آزمون
برای دانلود متن کامل این فایل به سایت torsa.ir مراجعه نمایید.

کامنت‌ها بسته شده‌اند.