مقایسه روش های شبکه عصبی مصنوعی و سیستم استنتاج فازی عصبی تطبیقی در پیش بینی هزینه های تعمیر و نگهداری تراکتور

هزینه های تعمیر و نگهداری تراکتورهای جدید ، بخش عمده ای از هزینه های کاربری ماشین ها است . در یک سیستم کشاورزی مکانیزه باید هزینه انجام نشدن به موقع عملیات را نیز به این هزینه ها اضافه نمود. سنجش و ارزیابی و نیز تخمین هزینه های بکارگیری این تراکتورها ، از اولویت های اجتناب ناپذیر مدیریت اقتصادی واحدهای کشاورزی می باشد.هزینه های تعمیر و نگهداری، متاثر از عمر تراکتور و ساعات کارکرد سالانه آن است که برای تعیین عمر بهینه اقتصادی، از اهمیت ویژه ای برخوردار است.این مطالعه با استفاده از داده های واقعی 50 تراکتور فعال مجتمع کشت و صنعت آستان قدس رضوی اجرا شد. تحلیل رگرسیونی نشان داد که دو مدل رگرسیونی توانی و درجه سوم بهترین مدل ها برای پیش بینی هزینه های تعمیر، سوخت و روغن تراکتورها می باشند. عوامل بهینه شبکه عصبی و سیستم استنتاج فازی – عصبی تطبیقی از طریق سعی و خطا بر روی داده های موجود انتخاب شدند. همچنین در این مطالعه دو الگوریتم آموزش پس انتشار (backpropaga) و پیوندی (hybrid) مربوط به سیستم عصبی – فازی مقایسه شدند. hybrid در پیش بینی هزینه ها عملکرد خوبی داشت. سیستم anfis در پیش بینی هزینه های تعمیر و نگهداری تراکتورها در مقایسه با شبکه عصبی مصنوعی به صورت نسبی نتیجه بهتری داشت. اما نتایج نشان از برتری مطلق سیستم فازی – عصبی نسبت شبکه عصبی مصنوعی نداشت. شبکه عصبی مصنوعی(ann) و سیستم استناج عصبی- فازی تطبیقی ابزارهای امیدوار کننده ای برای پیش بینی هزینه های تعمیر و نگهداری تراکتور های کشاورزی می باشند.