Please use this identifier to cite or link to this item: https://publication.npru.ac.th/jspui/handle/123456789/890
Full metadata record
DC FieldValueLanguage
dc.contributor.authorNavaprayoonvach, Pattarapol-
dc.contributor.authorDuangsiri, Panuvit-
dc.contributor.authorSaijai, Jedsada-
dc.contributor.authorภัทรพล นวประยูรเวช-
dc.contributor.authorภาณุวิชญ ดวงศิริ-
dc.contributor.authorเจษฎา สายใจ-
dc.date.accessioned2021-04-02T04:28:01Z-
dc.date.available2021-04-02T04:28:01Z-
dc.date.issued2020-07-09-
dc.identifier.citationคณาจารย์ภาควิชาพืชศาสตร์ (2543). เอกสารคำสอนวิชาหลักการกสิกรรม. ภาควิชาพืชศาสตร์ คณะทรัพยากรธรรมชาติ มหาวิทยาลัยสงขลานครินทร์.-
dc.identifier.citationวันชัย คุปวานิชพงษ์. (2555). การออกแบบระบบให้น้ำผ่านท่อในงานวิจัยเกษตรวิศวกรรม. เอกสารประกอบการบรรยาย โครงการจัดการความรู้ของสถาบันวิจัยเกษตรวิศวกรรม ประจำปี 2555. ห้องประชุมใหญ่ สถาบันวิจัยเกษตร วิศวกรรม กรุงเทพฯ.-
dc.identifier.citationสุดสายสิน แก้วเรือง. (2553). ระบบการให้น้ำแบบใช้น้ำน้อย. ข่าวสารเกษตรศาสตร์, 55(3), มิ.ย.-ก.ค. 2553, 24-37.-
dc.identifier.citationCandelieri, A., Soldi, D., Conti, D. and Archetti, F. (2014). Analytical Leakages Localization in Water Distribution Networks through Spectral Clustering and Support Vector Machines. The Icewater Approach. Procedia Engineering, 89, 1080–1088.-
dc.identifier.citationCasillas, M., Garza-Castañón, L., Puig, V., and Vargas-Martinez, A. (2015). Leak Signature Space: An Original Representation for Robust Leak Location in Water Distribution Networks. Water, 7(12), 1129–1148.-
dc.identifier.citationDeniss, E. A. C., Eduardo, G. C. L., and Adriana, V.-M. (2012). Multi-leak detection with wavelet analysis in water distribution networks. Proceeding of the 20th Mediterranean Conference on Control & Automation (MED), pp. 1155–1160.-
dc.identifier.citationIdris, I. (2014). Python data analysis. Birmingham, UK: Packt Publishing Ltd.-
dc.identifier.citationKriesel, D. (2007). A Brief Introduction to Neural Networks (ZETA2-EN).-
dc.identifier.citationLee, S.J., Choi, G.B., Seo, J.C. Lee, J.M. and Lee, G. (2012). Fault Detection of Pipeline in Water Distribution Network System. International Journal of Mathematical, Computational, Physical, Electrical and Computer Engineering, 6(4), 490-495.-
dc.identifier.citationMargolis, M. (2011). Arduino cookbook. Beijing: O'Reilly.-
dc.identifier.urihttps://publication.npru.ac.th/jspui/handle/123456789/890-
dc.description.abstractClogging detection of water dripper in the micro irrigation system is presented in this paper. Mathematical model, which is constructed from the back propagation artificial neural network (ANN), is used for the detection. The model has 3 layers with 20 hidden nodes and uses the water flow rate, which is measured from the first drip line of the 4-drip line, for the supervised learning. The experimental results show that the water drippers with clogging can be simultaneously detected with the average accuracy of 81.09%.en_US
dc.description.abstractบทความนี้เสนอวิธีตรวจจับการอุดตันของหัวน้ำหยดในระบบให้น้ำการเกษตรแบบใช้น้ำน้อยด้วยแบบจำลอง คณิตศาสตร์โครงข่ายประสาทเทียมแบบแพร่ย้อนกลับขนาด 3 ชั้น และ 20 โหนดในชั้นซ่อน การเรียนรู้ของโครงข่ายประสาท เทียมใช้ข้อมูลอัตราการไหลของน้ำในท่อย่อยลำดับที่ 1 ของระบบน้ำหยดที่มี 4 ท่อย่อย ผลการทดสอบพบว่าแบบจำลอง คณิตศาสตร์สามารถตรวจจับการอุดตันของหัวน้ำหยดได้หลายจุดในเวลาเดียวกัน และมีความแม่นยำเฉลี่ยร้อยละ 81.09 เมื่อ ทดสอบกับท่อย่อยทั้งหมดในระบบเดียวกัน-
dc.publisherNakhon Pathom Rajabhat Universityen_US
dc.subjectwater dripperen_US
dc.subjectcloggingen_US
dc.subjectmathematical modelen_US
dc.subjectartificial neural networken_US
dc.titleClogging Detection of Water Dripper in the Micro Irrigation System using Back Propagation Artificial Neural Networken_US
dc.titleการตรวจจับการอุดตันของหัวน้ำหยดในระบบให้น้ำการเกษตรแบบใช้น้ำน้อย ด้วยโครงข่ายประสาทเทียมแบบแพร่ย้อนกลับ-
dc.typeArticleen_US
Appears in Collections:Proceedings of the 12th NPRU National Academic Conference



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.