Home Itens selecionados Provedores de dados OAI Créditos Sobre Ajuda

			Busca avançada
	Provedor de dados CIGR Journal (2) Agrociencia (1) AgEcon (1) AGRIAMBI (1) Autor Atsalakis, George S. (1) Atsalakis, Ioanna G. (1) Bagheri, Nikrooz - (1) Buzetti,Salatiér (1) Hernández-Larragoiti,Leopoldo (1) López-Cruz,Irineo L. (1) Murtiningrum, Murtiningrum (1) Ngadisih, Ngadisih (1) Nugroho, Bayu Dwi Apri (1) Nurrohman, Reza Kusuma (1) Silva,Aldo A. V. da (1) Silva,Inara A. F. (1) Sudira, Putu (1) Teixeira Filho,Marcelo C. M. (1) Teixeira,Marcelo C. M. (1) Mais... Palavra-chave ANFIS (5) AR (1) ARMA (1) Agricultural Finance (1) Agricultural machinery solar drying (1) Ambiente controlado (1) Central Java (1) Climate Change (1) Control óptimo (1) Crop Production/Industries (1) Drought (1) Efficiency (1) Empirical modeling. (1) Forecasting (1) Fruit forecasting (1) Fruit production (1) Modelos de caja negra (1) Neuro-fuzzy (1) Nitrogênio (1) Rainfall Pattern (1) Mais... Tipo do documento Info:eu-repo/semantics/article (4) Conference Paper or Presentation (1) Ano 2021 (1) 2015 (1) 2014 (1) 2010 (2) País China (2) Brazil (1) Mexico (1) United States (1) Idioma Inglês (3) Espanhol (1) Português (1)		Ordenar por:  Relevância Autor Título Ano Registros recuperados: 5 Primeira ... 1 ... Última Near future prediction of rainfall distribution pattern by Adaptive Neuro Fuzzy Interference System in Central Java, Indonesia CIGR Journal Nurrohman, Reza Kusuma; Nugroho, Bayu Dwi Apri; Sudira, Putu; Ngadisih, Ngadisih; Murtiningrum, Murtiningrum. Rainfall distribution pattern is very important for sustainable production in the agricultural sector in Tropical region. The near future rainfall amount under changing climate was predicted from 2009 to 2028 by Adaptive Neuro Fuzzy Inference System (ANFIS), which was trained with the rainfall observation data from 1979 to 2013, spatiotemporally in the Central Java Province, Indonesia. Our analysis showed that the predicted rainfall data using ANFIS can represent actual rainfall conditions. Rainfall predicted from 2009 – 2028 in Central Java will experience a decrease in high rainfall in an area of 1615125,2 hectare, which can cause drought. The area that predicted to experience drought in the future are Kebumen, Jepara, Pati, Rembang, Kudus, Grobogan,... Tipo: Info:eu-repo/semantics/article Palavras-chave: Climate Change; Rainfall Pattern; ANFIS; Drought; Central Java. Ano: 2021 URL: http://www.cigrjournal.org/index.php/Ejounral/article/view/6461 Development and evaluation of an adaptive neuro fuzzy interface models to predict performance of a solar dryer CIGR Journal Bagheri, Nikrooz -.  This research is carried out to predict energy efficiency of a solar dryer by adaptive neuro-fuzzy inference system (ANFIS) model. In this model, temperatures in the collector inlet, collector outlet and in the dry chamber exit and also absorbed heat energy by collector and necessary energy for evaporation of product moisture were considered as an ANFIS network inputs. To investigate the capability of ANFIS models in prediction of dryer efficiency, empirical model and regression analysis were used and their results were compared by ANFIS models. To evaluate an accuracy ANFIS models, statistical parameters such as mean absolute error, mean squared error, sum squared error, correlation coefficient (R) and probability (P) were calculated. Results indicated... Tipo: Info:eu-repo/semantics/article Palavras-chave: Agricultural machinery solar drying; Efficiency; ANFIS; Empirical modeling.. Ano: 2015 URL: http://www.cigrjournal.org/index.php/Ejounral/article/view/2972 Modelos neuro-difusos para temperatura y humedad del aire en invernaderos tipo cenital y capilla en el centro de México Agrociencia López-Cruz,Irineo L.; Hernández-Larragoiti,Leopoldo. En la producción de hortalizas en invernadero es importante optimizar y controlar el manejo del ambiente usando modelos dinámicos. El desarrollo y uso de modelos mecanicistas es costoso y requiere mucho tiempo. Los modelos de caja negra, basados en mediciones de entradas y salidas, son un enfoque prometedor para estudiar sistemas complejos y no-lineales. En la presente investigación se estudiaron y generaron modelos neuro-difusos para predecir el comportamiento de la temperatura y la humedad relativa del aire dentro de dos invernaderos. Las variables de entrada fueron: la temperatura, la humedad relativa, la radiación solar global y la velocidad y dirección del viento, medidas fuera del invernadero. Las variables de salida fueron la temperatura y la... Tipo: Info:eu-repo/semantics/article Palavras-chave: ANFIS; Ambiente controlado; Control óptimo; Modelos de caja negra. Ano: 2010 URL: http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-31952010000700006 Fruit production forecasting by neuro-fuzzy techniques AgEcon Atsalakis, George S.; Atsalakis, Ioanna G.. Neuro-fuzzy techniques are finding a practical application in many fields such as in model identification and forecasting of linear and non-linear systems. This paper presents a neuro-fuzzy model for forecasting the fruit production of some agriculture products (olives, lemons, oranges, cherries and pistachios). The model utilizes a time series of yearly data. The fruit forecasting is based on Adaptive Neural Fuzzy Inference System (ANFIS). ANFIS uses a combination of the least-squares method and the backprobagation gradient descent method to estimate the optimal food forecast parameters for each year. The results are compared to those of an Autoregressive (AR) model and an Autoregressive Moving Average model (ARMA). Tipo: Conference Paper or Presentation Palavras-chave: Fruit forecasting; Neuro-fuzzy; ANFIS; AR; ARMA; Forecasting; Fruit production; Agricultural Finance; Crop Production/Industries. Ano: 2010 URL: http://purl.umn.edu/57680 Estimativa da produtividade de trigo em função da adubação nitrogenada utilizando modelagem neuro fuzzy AGRIAMBI Silva,Aldo A. V. da; Silva,Inara A. F.; Teixeira Filho,Marcelo C. M.; Buzetti,Salatiér; Teixeira,Marcelo C. M.. Atualmente, novas técnicas de processamento de dados, tais como redes neurais, lógica nebulosa (fuzzy) e sistemas híbridos, são utilizadas para elaborar modelos de predição em sistemas complexos e estimar parâmetros desejados. Neste artigo investigou-se a habilidade de se desenvolver um modelo de inferência adaptativo neuro fuzzy para estimação da produtividade de trigo utilizando-se uma base de dados da combinação dos seguintes tratamentos: cinco doses de N (0, 50, 100, 150 e 200 kg ha-1); três fontes (Entec, sulfato de amônio e ureia); duas épocas de aplicação de N (na semeadura ou em cobertura) e dois cultivares de trigo (E21 e IAC 370), avaliados durante dois anos, em Selvíria, MS. Através dos dados de entrada e saída o sistema de inferência neuro... Tipo: Info:eu-repo/semantics/article Palavras-chave: Triticum aestivum L.; Nitrogênio; Redes neurais; ANFIS; Sistemas híbridos. Ano: 2014 URL: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1415-43662014000200008 Registros recuperados: 5 Primeira ... 1 ... Última

Empresa Brasileira de Pesquisa Agropecuária - Embrapa Todos os direitos reservados, conforme Lei n° 9.610 Política de Privacidade Área restrita		Embrapa Parque Estação Biológica - PqEB s/n° Brasília, DF - Brasil - CEP 70770-901 Fone: (61) 3448-4433 - Fax: (61) 3448-4890 / 3448-4891 SAC: https://www.embrapa.br/fale-conosco