Softwarový modul Predictor s implementovanými modely predikce obsahu DON v zrnu pšenice a predikce indexu napadení stéblolamem

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F25328859%3A_____%2F06%3A%230000207" target="_blank" >RIV/25328859:_____/06:#0000207 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Softwarový modul Predictor s implementovanými modely predikce obsahu DON v zrnu pšenice a predikce indexu napadení stéblolamem

Popis výsledku v původním jazyce

Struktura programu Predictor je založena na programovacím jazyce C++ s jednoduchou implementací modelů založených na principu neuronových sítí, a sloužících k predikci v rostlinné výrobě. Počet vstupních a výstupních proměnných je dán jednotlivými modelyneuronových sítí. Dva modely neuronových sítí již byly do tohoto software implementovány: model pro predikci obsahu mykotoxinu DON v zrnu pšenice a model pro predikci indexu napadení stéblolamem. Vstupními parametry u prvního modelu je předplodina, průměrná teplota a suma srážek v dubnu a průměrná teplota a suma srážek 5 dní před květem pšenice. Výstupním parametrem je obsah DON. Druhý model je založen na počtu dní s optimálními podmínkami pro rozvoj stéblolamu v období říjen až duben (průměrná teplota4-10°C, relativní vzdušná vlhkost vyšší jak 80 % a srážky vyšší jak 3 mm). Výstupním parametrem je index napadení stéblolamem.

Název v anglickém jazyce

Software module Predictor with implemented models for prediction of DON content in wheat grain and model for prediction of eyespot infestation index

Popis výsledku anglicky

The structure of software Predictor is based on C++ language with easy implementation of neural networks models used for prediction in plant production. The number of input and output parameters is based on individual neural network model. Two neural network prediction models were already implemented into Predictor: model for prediction of DON content in wheat grain and model for prediction of eyespot infestation index. The input parameters for first model are: preceding crop, average temperature and sum of precipitation in April and average temperature and sum of precipitation 5 days before anthesis. The output parameter is DON content. The second model is based on number of days with optimum conditions for eyespot development in the period October ?April (average temperature 4-10°C, relative humidity higher than 80% and precipitations higher than 3 mm). The output parameter is eyespot index.

Druh

X - Nezařazeno

CEP obor

GF - Choroby, škůdci, plevely a ochrana rostlin

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2006

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů