Epsilon- and nu-support vector regression algorithms for moldboard plow draft-force prediction

• Abdulwahed M. Aboukarima ^[1] ; Saleh A. Al-Suhaibani ^[1] ; Ibrahim S. Tabash ^[1]
  1. [1] King Saud University

     King Saud University

     Arabia Saudí

     
• Localización: Agrociencia, ISSN 2521-9766, ISSN-e 1405-3195, Vol. 53, Nº. 8, 2019, págs. 1257-1273
• Idioma: inglés
• Títulos paralelos:
  • Algoritmos de vectores soporte para regresión epsilon y nu para predicción de fuerza de tiro en un arado de vertederas
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La fuerza de tiro que actúa sobre un arado de vertederas juega un papel importante en el diseño de arados más eficientes para facilitar el alcance de resultados óptimos al implementar la coincidencia de tamaño como estimador de la potencia requerida del tractor. Por lo tanto, el propósito de este estudio fue investigar los algoritmos e-SVR y u-SVR, para predecir la fuerza de tiro que actúa sobre el arado de vertederas considerando la velocidad de arado, la profundidad de arado y el contenido de humedad del suelo como parámetros determinantes. El diseño experimental fue en bloques aleatorizados con dos repeticiones y los tratamientos fueron: 1) tres velocidades de arado, 2.71, 3.21 y 4.32 km h-1 ; 2) tres profundidades de labranza, 9, 14 y 16 cm; y 3) tres niveles de contenido de humedad del suelo, 9.9, 10.9 y 13.2% bs. Los datos se analizaron con el Software SPSS y las medias de tratamiento se compararon con la prueba de Tukey (p £ 0.05).

    La fuerza de tiro máxima, 8.57 kN, se observó en condiciones correspondientes a una velocidad de arado de 4.32 km h-1, una profundidad de arado de 16 cm y un contenido de humedad del suelo de 9.9% bs. Un modelo de predicción se desarrolló y se usaron dos algoritmos de aprendizaje, e-SVR y u-SVR, para facilitar la predicción precisa de la fuerza de tiro del arado de vertederas mediante el uso de diferentes funciones de núcleo: lineal, polinomial, sigmoide, y núcleos de funciones con base radial. El modelo de predicción basado en e-SVR con el uso de la función con base radial demostró un rendimiento óptimo con respecto a la predicción de fuerza de tiro; y los parámetros clave correspondientes a dicho modelo óptimo asumen los siguientes valores: C = 1604.774, e= 0.001, l= 0.123, y p = 0.012. El tiempo total de la corrida del análisis fue de 3.93 min. La raíz del error cuadrático medio en las predicciones realizadas por el modelo propuesto fue de 0.288 kN, y el coeficiente de correlación entre las fuerzas de tiro reales y previstas fue de 0.969, lo que confirma un rendimiento satisfactorio del modelo propuesto

  • English

    The draft force acting on a moldboard plow plays an important role in the design of more efficient plows to facilitate attainment of optimum results when implementing size matching to estimate the required tractor power. The purpose of this study, therefore, was to investigate e-SVR and u-SVR algorithms, in predicting the draft force acting on the moldboard plow considering plowing speed, plowing depth, and soil moisture content as governing parameters. The experimental design was randomized block with two replications and the treatments were: 1) three plowing speeds, 2.71, 3.21, and 4.32 km h-1 ; 2) three tillage depths, 9, 14, and 16 cm; and 3) three levels of soil-moisture content, 9.9, 10.9, and 13.2% db. The data were analyzed with the SPSS Software and treatment means were compared with the Tukey test (p £ 0.05). The maximum draft force, 8.57 kN, was observed under conditions corresponding to a plowing speed of 4.32 km h-1, 16-cm plowing depth, and soil-moisture content of 9.9% db. A prediction model was developed using two learning algorithms, e-SVR and u-SVR, to facilitate accurate prediction of the moldboard-plow draft force through use of different kernel functions: linear, polynomial, sigmoid, and radial-basis-function kernels. The prediction model based on e-SVR and the use of the radial basis function demonstrated optimum performance with regards to draft-force prediction, and key parameters corresponding to the said optimum model assume following values: C= 1604.774, e= 0.001, l= 0.123, and p = 0.012. The total analysis run time was 3.93 min. The root mean squared error in predictions made by the proposed model was 0.288 kN, and the correlation coefficient between actual and predicted draft forces was 0.969, thereby confirming a satisfactory performance of the proposed model