Model predikce obsahu deoxynivalenolu v zrnu pšenice s využitím neuronové sítě na základě meteorologických údajů a předplodiny

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F25328859%3A_____%2F07%3A%230000255" target="_blank" >RIV/25328859:_____/07:#0000255 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/60461373:22330/07:00022808

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

A neural network model for prediction of deoxynivalenol content in wheat grain based on weather data and preceding crop

Popis výsledku v původním jazyce

The data about DON content in wheat grain, weather conditions during the growing season and cultivation practices from two field experiments conducted in 2002?2005 were used for the development of neural network model designed for DON content prediction.The winning neural network is based on five input variables: a categorial variable ? preceding crop, and continuous variables ? average April temperature, sum of April precipitation, average temperature 5 days prior to anthesis, sum of precipitation 5 days prior to anthesis. The most important input parameters are the preceding crop and sum of precipitation 5 days prior to anthesis. The weather conditions in April, which are important for inoculum formation on crop debris are also of important contribution to the model. The correlation between observed and predicted data using the neural network model reached the coefficient R2 = 0.87.

Název v anglickém jazyce

A neural network model for prediction of deoxynivalenol content in wheat grain based on weather data and preceding crop

Popis výsledku anglicky

The data about DON content in wheat grain, weather conditions during the growing season and cultivation practices from two field experiments conducted in 2002?2005 were used for the development of neural network model designed for DON content prediction.The winning neural network is based on five input variables: a categorial variable ? preceding crop, and continuous variables ? average April temperature, sum of April precipitation, average temperature 5 days prior to anthesis, sum of precipitation 5 days prior to anthesis. The most important input parameters are the preceding crop and sum of precipitation 5 days prior to anthesis. The weather conditions in April, which are important for inoculum formation on crop debris are also of important contribution to the model. The correlation between observed and predicted data using the neural network model reached the coefficient R2 = 0.87.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

GM - Potravinářství

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2007

Kód důvěrnosti údajů

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

Název periodika

Plant, Soil and Environment

ISSN

1214-1178

e-ISSN

—

Svazek periodika

53

Číslo periodika v rámci svazku

10

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

8

Strana od-do

421-429

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—