کاربرد شبکه عصبی مصنوعی جهت پیش‌بینی مقاومت به سرمای نشاهای گوجه‌فرنگی پس از پیش تیمار تنش خشکی
دمای پایین منجر به آسیب‌های فیزیولوژیکی به سلول گیاهان حساس به سرمازدگی و از بین رفتن محصولات گرمسیری و نیمه گرمسیری می‌شود. در این مطالعه مدل‌سازی شبکه عصبی مصنوعی به‌منظور پیش‌بینی اثر تنش سرما بر نشاء گوجه‌فرنگی بعد از اعمال پیش‌تیمار خشکی با 0، 10 و 20 درصد پلی‌اتیلن گلیکول استفاده گردید. امکان...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
University of Birjand
2017-12-01
|
| Series: | تنش های محیطی در علوم زراعی |
| Subjects: | |
| Online Access: | http://escs.birjand.ac.ir/article_635_645cc4f56d890c76af6113bba069b933.pdf |
| _version_ | 1797228408465260544 |
|---|---|
| author | فردین قنبری فخرالدین صالحی محمد سیاری |
| author_facet | فردین قنبری فخرالدین صالحی محمد سیاری |
| author_sort | فردین قنبری |
| collection | DOAJ |
| description | دمای پایین منجر به آسیب‌های فیزیولوژیکی به سلول گیاهان حساس به سرمازدگی و از بین رفتن محصولات گرمسیری و نیمه گرمسیری می‌شود. در این مطالعه مدل‌سازی شبکه عصبی مصنوعی به‌منظور پیش‌بینی اثر تنش سرما بر نشاء گوجه‌فرنگی بعد از اعمال پیش‌تیمار خشکی با 0، 10 و 20 درصد پلی‌اتیلن گلیکول استفاده گردید. امکان افزایش تحمل تنش سرمایی در نشاهای گوجه‌فرنگی با کاربرد پلی‌اتیلن گلیکول بررسی و پس از اعمال تنش سرما به مدت 6 ساعت در روز به مدت6 روز متوالی و در دمای 3 درجه سلسیوس، داده‌ها جمع‌آوری گردید. به‌منظور پیش‌بینی اثر تنش سرما بر خصوصیات نشاء گوجه‌فرنگی از شبکه عصبی پرسپترون چندلایه پیش‌خور با 2 ورودی (اثر تنش خشکی و اثر تنش سرمایی) و 8 خروجی (کلروفیل a، کلروفیل b، فنل کل، محتوای آب نسبی، فلورسانس کمینه، فلورسانس بیشینه، نشت یونی ریشه و پرولین) استفاده شد. نتایج نشان داد شبکه‌ای با تعداد 7 نرون در یک لایه پنهان و با استفاده از تابع فعال‌سازیتانژانت هیپربولیکو روش بهینه‌سازی لیونبرگ مارکوت و درصد داده‌های مورداستفاده برای تربیت/ آزمون/ ارزیابی برابر 40/20/40 می‌توان اثر تنش خشکی بر میزان مقاومت به سرمای نشاهای گوجه‌فرنگی را با میانگین ضریب همبستگی برابر 0.92 تخمین زد. بر اساسنتایج آنالیز حساسیت توسط شبکه عصبی بهینه، شدت تنش خشکی اعمال‌شده با پلی‌اتیلن گلیکول مؤثرترین عامل در تخمین تحمل به سرما و خصوصیات فیزیولوژیکی گوجه‌فرنگی می‌باشد. |
| first_indexed | 2024-04-24T14:56:13Z |
| format | Article |
| id | doaj.art-ffde6992ed2f4d7896b46b2913fbe15a |
| institution | Directory Open Access Journal |
| issn | 2228-7604 2383-3084 |
| language | fas |
| last_indexed | 2024-04-24T14:56:13Z |
| publishDate | 2017-12-01 |
| publisher | University of Birjand |
| record_format | Article |
| series | تنش های محیطی در علوم زراعی |
| spelling | doaj.art-ffde6992ed2f4d7896b46b2913fbe15a2024-04-02T18:50:52ZfasUniversity of Birjandتنش های محیطی در علوم زراعی2228-76042383-30842017-12-0110460561410.22077/escs.2017.75.1018635کاربرد شبکه عصبی مصنوعی جهت پیش‌بینی مقاومت به سرمای نشاهای گوجه‌فرنگی پس از پیش تیمار تنش خشکیفردین قنبری0فخرالدین صالحی1محمد سیاری2عضو باشگاه پژوهشگران جوان و نخبگان، دانشگاه آزاد اسلامی، واحد خرم آباداستادیار گروه علوم و مهندسی صنایع غذایی، دانشگاه بوعلی سینا، همداندانشیار گروه علوم باغبانی، دانشکده کشاورزی، دانشگاه بوعلی سینا، همداندمای پایین منجر به آسیب‌های فیزیولوژیکی به سلول گیاهان حساس به سرمازدگی و از بین رفتن محصولات گرمسیری و نیمه گرمسیری می‌شود. در این مطالعه مدل‌سازی شبکه عصبی مصنوعی به‌منظور پیش‌بینی اثر تنش سرما بر نشاء گوجه‌فرنگی بعد از اعمال پیش‌تیمار خشکی با 0، 10 و 20 درصد پلی‌اتیلن گلیکول استفاده گردید. امکان افزایش تحمل تنش سرمایی در نشاهای گوجه‌فرنگی با کاربرد پلی‌اتیلن گلیکول بررسی و پس از اعمال تنش سرما به مدت 6 ساعت در روز به مدت6 روز متوالی و در دمای 3 درجه سلسیوس، داده‌ها جمع‌آوری گردید. به‌منظور پیش‌بینی اثر تنش سرما بر خصوصیات نشاء گوجه‌فرنگی از شبکه عصبی پرسپترون چندلایه پیش‌خور با 2 ورودی (اثر تنش خشکی و اثر تنش سرمایی) و 8 خروجی (کلروفیل a، کلروفیل b، فنل کل، محتوای آب نسبی، فلورسانس کمینه، فلورسانس بیشینه، نشت یونی ریشه و پرولین) استفاده شد. نتایج نشان داد شبکه‌ای با تعداد 7 نرون در یک لایه پنهان و با استفاده از تابع فعال‌سازیتانژانت هیپربولیکو روش بهینه‌سازی لیونبرگ مارکوت و درصد داده‌های مورداستفاده برای تربیت/ آزمون/ ارزیابی برابر 40/20/40 می‌توان اثر تنش خشکی بر میزان مقاومت به سرمای نشاهای گوجه‌فرنگی را با میانگین ضریب همبستگی برابر 0.92 تخمین زد. بر اساسنتایج آنالیز حساسیت توسط شبکه عصبی بهینه، شدت تنش خشکی اعمال‌شده با پلی‌اتیلن گلیکول مؤثرترین عامل در تخمین تحمل به سرما و خصوصیات فیزیولوژیکی گوجه‌فرنگی می‌باشد.http://escs.birjand.ac.ir/article_635_645cc4f56d890c76af6113bba069b933.pdfپرولینفلورسانس بیشینهفنل کلکلروفیل |
| spellingShingle | فردین قنبری فخرالدین صالحی محمد سیاری کاربرد شبکه عصبی مصنوعی جهت پیش‌بینی مقاومت به سرمای نشاهای گوجه‌فرنگی پس از پیش تیمار تنش خشکی تنش های محیطی در علوم زراعی پرولین فلورسانس بیشینه فنل کل کلروفیل |
| title | کاربرد شبکه عصبی مصنوعی جهت پیش‌بینی مقاومت به سرمای نشاهای گوجه‌فرنگی پس از پیش تیمار تنش خشکی |
| title_full | کاربرد شبکه عصبی مصنوعی جهت پیش‌بینی مقاومت به سرمای نشاهای گوجه‌فرنگی پس از پیش تیمار تنش خشکی |
| title_fullStr | کاربرد شبکه عصبی مصنوعی جهت پیش‌بینی مقاومت به سرمای نشاهای گوجه‌فرنگی پس از پیش تیمار تنش خشکی |
| title_full_unstemmed | کاربرد شبکه عصبی مصنوعی جهت پیش‌بینی مقاومت به سرمای نشاهای گوجه‌فرنگی پس از پیش تیمار تنش خشکی |
| title_short | کاربرد شبکه عصبی مصنوعی جهت پیش‌بینی مقاومت به سرمای نشاهای گوجه‌فرنگی پس از پیش تیمار تنش خشکی |
| title_sort | کاربرد شبکه عصبی مصنوعی جهت پیش‌بینی مقاومت به سرمای نشاهای گوجه‌فرنگی پس از پیش تیمار تنش خشکی |
| topic | پرولین فلورسانس بیشینه فنل کل کلروفیل |
| url | http://escs.birjand.ac.ir/article_635_645cc4f56d890c76af6113bba069b933.pdf |
| work_keys_str_mv | AT frdynqnbry ḵạrbrdsẖbḵhʿṣbymṣnwʿyjhtpysẖbynymqạwmtbhsrmạynsẖạhạygwjhfrngypsạzpysẖtymạrtnsẖkẖsẖḵy AT fkẖrạldynṣạlḥy ḵạrbrdsẖbḵhʿṣbymṣnwʿyjhtpysẖbynymqạwmtbhsrmạynsẖạhạygwjhfrngypsạzpysẖtymạrtnsẖkẖsẖḵy AT mḥmdsyạry ḵạrbrdsẖbḵhʿṣbymṣnwʿyjhtpysẖbynymqạwmtbhsrmạynsẖạhạygwjhfrngypsạzpysẖtymạrtnsẖkẖsẖḵy |