سایپرز، باشگاه دانش - ارائه دهنده مقالات ژورنالهای خارجی

اطلاعات و مشخصات مقاله

[ 57 | جستجو | فهرست کلمات کلیدی | فهرست موضوعات | فهرست نویسندگان | فهرست ناشران | فهرست ژورنالها ]


عنوان مقاله:یک مطالعه در اولویت ذهنی به Daylit محیط مسکونی سرپوشیده با استفاده از تجزیه و تحلیل متقارن
ناشر: [ Elsevier BV ]
ژورنال
دوره (شماره): (0)
سال انتشار:24 September 2015
شماره صفحات: 363373363-373
نشانگر دیجیتالی شیء:[ 10.1016/j.ecolmodel.2015.06.006 ]
شما اینجا هستید:
  1. Scipers, the Knowledge ClubScipers »
  2. Elsevier BV »
  3. Ecological Modelling »
  4. A knowledge-and-data-driven modeling approach for simulating plant growth: A case study on tomato growth

دسترسی بین المللی

اگر شما در داخل کشور (ایران) هستید و این صفحه را مشاهده می کنید، نشان می دهد که IP شما به هر دلیلی در لیست IP های ایران ثبت نشده است. برای رفع این مشکل کافی است IP خود را که در پایین این پیام درج شده از طریق آدرس ایمیل support@scipers.com به ما اطلاع دهید. پس از دریافت درخواست، کارشناسان فنی موضوع را بررسی می نمایند و در صورتی که محل اتصال شما از کشور ایران بوده باشد، به لیست استفاده کنندگان مجاز افزوده می شوید.
IP: 54.235.55.253

اطلاعات استنادی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

 

به اشتراک گذاری

این صفحه را با استفاده از انواع شبکه های اجتماعی با دوستان خود به اشتراک بگذارید.

خلاصه مقاله، نویسندگان و کلمات کلیدی

A Knowledge-and-data-driven Modeling Approach For Simulating Plant Growth: A Case Study On Tomato Growth


مقاله: یک مطالعه در اولویت ذهنی به daylit محیط مسکونی سرپوشیده با استفاده از تجزیه و تحلیل متقارن

نويسند‌گان:


خلاصه مقاله:


This paper proposes a novel knowledge-and-data-driven modeling (KDDM) approach for simulating plant growth that consists of two submodels. One submodel is derived from all available domain knowledge, including all known relationships from physically based or mechanistic models; the other is constructed solely from data without using any domain knowledge. In this work, a GreenLab model was adopted as the knowledge-driven (KD) submodel and the radial basis function network (RBFN) as the data-driven (DD) submodel. A tomato crop was taken as a case study on plant growth modeling. Tomato growth data sets from twelve greenhouse experiments over five years were used to calibrate and test the model. In comparison with the existing knowledge-driven model (KDM, BIC=1215.67) and data-driven model (DDM, BIC=1150.86), the proposed KDDM approach (BIC=1144.36) presented several benefits in predicting tomato yields. In particular, the KDDM approach is able to provide strong predictions of yields from different types of organs, including leaves, stems, and fruits, even when observational data on the organs are unavailable. The case study confirms that the KDDM approach inherits advantages from both the KDM and DDM approaches. Two cases of superposition and composition coupling operators in the KDDM approach are also discussed.


در این مقاله یک روش برای شبیه سازی رشد گیاه که شامل دو submodels رمان مدل سازی دانش و اطلاعات را رانده (KDDM) پیشنهاد می کند. یکی submodel از تمام دانش موجود، از جمله تمام روابط شناخته شده از مدل های جسمی و یا بر اساس مکانیکی مشتق شده. از سوی دیگر تنها از داده ها بدون استفاده از هر دانش ساخته شده است. در این کار، یک مدل GreenLab عنوان (KD) submodel از دانش و شبکه تابع پایه ای شعاعی (RBFN) به عنوان (DD) submodel داده محور به تصویب رسید. محصول گوجه فرنگی به عنوان یک مطالعه موردی بر روی مدل سازی رشد گیاه گرفته شده است. اطلاعات رشد گوجه فرنگی مجموعه ای از دوازده آزمایش گلخانه ای بیش از پنج سال برای کالیبره کردن و مدل مورد آزمون استفاده شد. در مقایسه با مدل از دانش موجود (KDM، BIC = 1215.67) و مدل داده محور (DDM، BIC 1150.86 =)، روش KDDM پیشنهاد (BIC 1144.36 =) منافع زیادی در پیش بینی بازده گوجه فرنگی معرفی شده اند. به طور خاص، روش KDDM قادر به ارائه پیش بینی های قوی از عملکرد از انواع مختلف اندام، از جمله برگ، ساقه، و میوه جات، حتی زمانی که داده های مشاهده ای در اندام در دسترس نیست می باشد. مطالعه موردی تایید می کند که رویکرد KDDM به ارث مزایای از هر دو KDM و روش DDM. دو مورد از انطباق و جفت ترکیب اپراتورها در رویکرد KDDM نیز بحث شده است.


كلمات كليدي:

GreenLab , Knowledge-and-data-driven model , Knowledge-driven model , Model integration , Plant growth modeling, Data-driven model, GreenLab, Knowledge-and-data-driven model, Knowledge-driven model, Model integration, Plant growth modeling
GreenLab , دانش و اطلاعات محور مدل , مدل دانش محور , مدل ادغام , مدل های رشد گیاهی , مدل داده محور, GreenLab, دانش و اطلاعات محور مدل, مدل دانش محور, مدل ادغام, مدل های رشد گیاهی


موضوعات:

Ecological Modelling



[ ]

فهرست مقالات مرتبط و مشابه

  1. Cheung, H.D., Chung, T.M. (2008) 'A study on subjective preference to daylit residential indoor environment using conjoint analysis', Building and Environment, Elsevier BV, pp:2101-2111
  2. Magnuski, H. S. (1967) 'On Line Analysis of Subjective Preference Data', The Journal of the Acoustical Society of America, Acoustical Society of America (ASA), pp:1199-0
  3. , (1998) 'A case study of modelling preventive maintenance of a production plant using subjective data', J Oper Res Soc, Nature Publishing Group, pp:210-219
  4. , (1998) 'A case study of modelling preventive maintenance of a production plant using subjective data', J Oper Res Soc, Nature Publishing Group, pp:210-219
  5. , (1998) 'A Case Study of Modelling Preventive Maintenance of a Production Plant Using Subjective Data', The Journal of the Operational Research Society, JSTOR, pp:210-0
  6. Santos, Maribel Yasmina, Carvalheira, Antonio, de Araujo, Artur Teles (2015) 'A data-driven analytics approach in the study of pneumonia's fatalities', 2015 IEEE International Conference on Data Science and Advanced Analytics (DSAA), Institute of Electrical and Electronics Engineers (IEEE), pp:0-0
  7. Giordano, Giuseppe (2002) 'The Non-Symmetrical Analysis of Multiattribute Preference Data', Contributions to Statistics, Physica-Verlag HD, pp:221-236
  8. Venkatesh, Jagannathan, Aksanli, Baris, Rosing, Tajana Simunic (2013) 'Residential energy simulation and scheduling: A case study approach', 2013 IEEE Symposium on Computers and Communications (ISCC), Institute of Electrical and Electronics Engineers (IEEE), pp:0-0
  9. Bian, Yu, Ma, Yuan (2018) 'Subjective survey & simulation analysis of time-based visual comfort in daylit spaces', Building and Environment, Elsevier BV, pp:-
  10. Todorovski, Ljupčo, Džeroski, Sašo (2006) 'Integrating knowledge-driven and data-driven approaches to modeling', Ecological Modelling, Elsevier BV, pp:3-13

 

فهرست مراجع و منابع




 

برگشت به بالا
رونمایی از اولین و تنها ربات تلگرامی جستجوی مقالات ژورنالی
×