بررسی انرژی مصرفی، تعیین بهترین تابع تولید و پیش بینی انرژی مصرفی به کمک شبکه عصبی مصنوعی برای محصول گوجه فرنگی گلخانه ای استان اصفهان

پایان نامه
چکیده

در این تحقیق به منظور بررسی و پیش بینی انرژی مصرفی در تولید گوجه فرنگی گلخانه ای استان اصفهان از توابع تولید انرژی و شبکه های عصبی مصنوعی استفاده شد. برای این کار داده ها به روش کاملاً تصادفی به وسیله پرسش شخص به شخص، از میان 30 گلخانه استان اصفهان جمع آوری شد. کل انرژی ورودی در تولید گوجه فرنگی 32/8936680 مگاژول بر هکتار محاسبه شد که نهاده سوخت با 28/92 درصد از کل انرژی های ورودی، بیشترین انرژی مصرفی در تولید را به خود اختصاص داده است. شاخص نسبت انرژی 016/0 محاسبه شد. همچنین شاخص بهره وری انرژی 02/0 کیلوگرم بر مگاژول بدست آمد. به دلیل استفاده از تجهیزات گرمایشی با بازده پایین، عدم استفاده از سازه های مناسب و پوشش گلخانه ای با ضریب انتقال حرارتی بالا، الگوی نامناسب مصرف و پایین بودن قیمت سوخت در سال های گذشته، مصرف سوخت بسیار بالا بود. نتایج حاصل از بررسی توابع تولیدی نشان داد که از میان پنج تابع کاب-داگلاس، ترانسندنتال، ترانسلوگ، درجه دوم تعمیم یافته و لئونتیف، تابع تولید کاب-داگلاس با چهار ضریب معنی دار و ضریب تبیین 61/0 بهترین مدل می باشد. در این مطالعه شبکه عصبی مصنوعی از نوع پرسپترون چند لایه با 7 نرون در لایه ورودی 13 نرون در لایه میانی و یک نرون در لایه خروجی از میان انواع شبکه های مورد ارزیابی با ضریب تبیین 99 درصد به عنوان بهترین شبکه انتخاب شد. نتایج تحلیل حساسیت نهاده های ورودی بر روی خروجی بر طبق بهترین مدل نشان داد که نهاده ی ماشین آلات بیشترین اثر را بر روی خروجی شبکه عصبی داشته است.

منابع مشابه

تعیین تابع تولید محصول- آب مصرفی چغندرقند در قزوین

این پژوهش با هدف تعیین "تابع تولید محصول- آب مصرفی" چغندرقند و ارزیابی توابع تولید تجربی در شهرستان قزوین انجام شد. پژوهش حاضر با چهار تیمار آبی شامل  E4, E3, E2, E1به ترتیب 60 ،90 ،120 و150 میلی متر تبخیر از تشت تبخیر کلاس A در ایستگاه تحقیقات کشاورزی فیض آباد به مدت سه سال اجرا گردید. از آنجا که اثر سال بر عملکرد محصول معنی دار بود، لذا جهت مقایسه مقدار ضریب واکنش عملکرد محصول بر اساس توان ما...

متن کامل

مدلسازی و پیش بینی میزان انرژی مصرفی در صنایع غذایی و فرآوری کشور به روش شبکه های عصبی مصنوعی

در تمامی جوامع و کشورها به منظور برنامه ریزی برای تأمین انرژی بخش های مختلف نیاز به پیش بینی صحیح برای تعیین میزان تقاضا، نوع حامل های انرژی و چگونگی تأمین آن وجود دارد. با توجه به اهمیت صنایع غذایی در هر کشور، در این پژوهش مدلسازی میزان انرژی مصرفی این بخش از صنعت مورد مطالعه قرار گرفت. در این مقاله مدلسازی انرژی توسط روش شبکه های عصبی مصنوعی انجام پذیرفت. در اولین گام با توجه به آمارنامه ها، ...

متن کامل

مدل‌سازی انرژی مصرفی تولید آلو شابلون در استان گلستان

هدف از این پژوهش بررسی جریان مصرف انرژی و مدل‌سازی آن در تولید آلو شابلون در استان گلستان می‌باشد. اطلاعات مورد نیاز به وسیله پرسش‌نامه و مصاحبه حضوری با باغ‌داران جمع‌آوری شد. برای بررسی اثر انرژی‌های ورودی بر عملکرد از مدل کاب داگلاس و تحلیل حساسیت استفاده شد. نتایج نشان داد که مجموع انرژی ورودی و کارایی انرژی تولید آلو شابلون در منطقه به ترتیب 33/25870 مگاژول بر هکتار و 04/1 بود. سوخت دیزل و...

متن کامل

تعیین انرژی مصرفی در دو روش سنتی و نیمه مکانیزه برای تولید برنج1 (بررسی موردی در استان گیلان)

نقش انرژی در توسعه و کارایی کشاورزی بسیار با اهمیت است. در سال­های گذشته مصرف انرژی، به­ویژه سوخت‏های فسیلی و کودهای شیمیایی در کشاورزی افزایش چشمگیری داشته است و انرژی وارد شده در واحد سطح برای تولید محصول بسیار بیش از گذشته شده است. عوامل اصلی افزایش مصرف انرژی در بخش کشاورزی، افزایش جمعیت، محدودیت زمین‏های قابل کشت، ارزان بودن سوخت و کود، و افزایش سطح زندگی و توقعات مردم است.  در این مقاله، ...

متن کامل

تخمین پارامترهای خشک کردن گوجه فرنگی با کمک شبکه های عصبی مصنوعی

در این پژوهش خشک کردن لایه ای نازک گوجه فرنگی به روش جابجایی هوای داغ شبیه سازی گردید. اسلایس های گوجه فرنگی در دو دمای (60 و 70 درجه سانتیگراد) خشک شدند. شبکه عصبی پرسپترون برای پیش بینی نسبت رطوبت و سرعت خشک کردن نمونه ها در طی خشک کردن بکار گرفته شد. بهترین چیدمان شبکه عصبی برای شبکه اول بر اساس یک لایه پنهان،2 و 8 نرون در لایه پنهان به ترتیب برای نسبت رطوبت و آهنگ خشک کردن بود. همچنین بهتری...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز - دانشکده کشاورزی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023