TY - JOUR ID - 115119 TI - پیش‌بینی مقاومت غلتشی لاستیک با استفاده از مدل رگرسیونی و شبکۀ عصبی مصنوعی (ANN) JO - تحقیقات سامانه‌ها و مکانیزاسیون کشاورزی JA - AMSR LA - fa SN - 2476-4612 AU - فرهادی, پیام AU - گل‌محمدی, عبدالله AU - شریفی, احمد AU - شاهقلی, غلامحسین AD - دکترای مهندسی بیوسیستم گروه مهندسی بیوسیستم، دانشکده کشاورزی و منابع طبیعی دانشگاه محقق اردبیلی، اردبیل، ایران AD - دانشیار گروه آموزشی مهندسی بیوسیستم، دانشکده‌ کشاورزی و منابع طبیعی دانشگاه محقق اردبیلی، اردبیل، ایران AD - دانشیار موسسه تحقیقات فنی و مهندسی کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران AD - دانشیار گروه مهندسی بیوسیستم، دانشکده کشاورزی و منابع طبیعی دانشگاه محقق اردبیلی، اردبیل، ایران Y1 - 2020 PY - 2020 VL - 21 IS - 74 SP - 1 EP - 16 KW - آزمون فاکتوریل KW - آزمونگر تک‌چرخ KW - انبارۀ خاک KW - برهمکنش لاستیک- خاک DO - 10.22092/erams.2018.109637.1177 N2 - در این تحقیق از یک آزمونگر تک چرخ به منظور بررسی تأثیر متغیرهای بار عمودی، فشار باد و درصد رطوبت خاک بر پارامتر مقاومت غلتشی لاستیک در انبارۀ خاک استفاده شد. لاستیک مورد استفاده 28-12/4 و خاک مورد آزمون دارای بافت لومی- رسی بود. آزمایش‌ها به صورت آزمون فاکتوریل و در قالب طرح کاملاً تصادفی با سه تکرار برای هر آزمون اجرا شد. ضریب تبیین مدل رگرسیونی برای پیش‌بینی مقاومت غلتشی لاستیک با استفاده از متغیرهای بار عمودی، فشار باد و درصد رطوبت خاک برابر با 0/850=R2 به دست آمد. از یک شبکۀ عصبی مصنوعی چند لایۀ پیش‌خور با الگوریتم توزیع معکوس و تابع آموزشی لونبرگ- مارکوآرت برای آموزش شبکه و از دو لایۀ پنهان در معماری شبکۀ عصبی مصنوعی استفاده گردید. از دو معیار ریشۀ میانگین مربع خطا (RMSE) و مربع ضریب همبستگی (R2) برای ارزیابی نتایج به دست آمده استفاده شد. نتایج تحقیق نشان می­دهد که با توجه به متغیرهای مورد آزمون، فشار باد لاستیک، پارامتر کنترل‌کنندۀ مقاومت غلتشی لاستیک در سطوح رطوبتی پایین است؛ و درصد رطوبت خاک، تأثیرگذارترین پارامتر بر مقاومت غلتشی لاستیک در مدل رگرسیونی است. ضریب تبیین به دست آمده با استفاده از شبکۀ عصبی0/977=R2 برتری استفاده از این مدل را نسبت به مدل رگرسیونی نشان می‌دهد. UR - https://amsr.areeo.ac.ir/article_115119.html L1 - https://amsr.areeo.ac.ir/article_115119_e6380f593c23218df565a92b25fc8b2e.pdf ER -