مدل شبیهسازی پیشامد گسسته برای عملیات برداشت(مطالعهی موردی :دشت مغان)
Parallel Title Proper
Discrete Event Simulation Model for Harvest Operation (Case Study: Moghan Plain) A
First Statement of Responsibility
/ارمغان کوثریمقدم
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: کشاورزی
Date of Publication, Distribution, etc.
، ۱۳۹۹
Name of Manufacturer
، میرزائی
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۱۴۹ص
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی - الکترونیکی
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
دکتری
Discipline of degree
مهندسی مکانیزاسیون کشاورزی
Date of degree
۱۳۹۹/۰۳/۱۰
Body granting the degree
تبریز
SUMMARY OR ABSTRACT
Text of Note
تحلیل پایداری سامانههای مختلف کشت محصولات کشاورزی امروزه به یکی از چالشهای مهم در این بخش تبدیل شده است .از آنجایی که عملیات برداشت گندم بخش عمدهای از هزینهها و انرژی مصرفی کل فرایند تولید را تشکیل میدهد؛ هدف از این پژوهش، ارائه روشی بهمنظور شبیهسازی برداشت گندم با توجه به شرایط کاری و آب و هوایی منطقه و تحلیل پایداری این عملیات در دو سامانه کشت دیم و آبی در سه منطقه مشهد، پارسآباد مغان و ساری میباشد .اطلاعات مورد نیاز این پژوهش با استفاده از آزمایشهای مزرعهای جمعآوری شد .ابتدا بهمنظور تعیین روز رسیدگی دانه گندم، از روش درجه روز-رشد تجمعی استفاده شد .نتایج نشان داد که گندم در ساری با میانگین ۱۹۹ روز کمترین طول دوره رشد را نسبت به مشهد و پارس آباد مغان بهترتیب با ۲۲۱ و ۲۴۱ روز داشت .در مرحله بعد، رطوبت دانه در زمان برداشت با استفاده از سه مدل شبکه عصبی مصنوعی پرسپترون چند لایه، تابع پایه شعاعی و رگرسیون بردار پشتیبان پیشبینی شد .نتایج حاصل نشان داد که مدل شبکه عصبی مصنوعی چندگانه بهترین عملکرد را در پیشبینی رطوبت دانه در زمان برداشت داشت و تعداد روزهای لازم برای رسیدن دانه به زمان مناسب برداشت در مشهد، نسبت به دو منطقه دیگر کمتر بود .سپس معیار روز بدون بارندگی به عنوان معیار وجود روز کاری برای برداشت گندم تعیین شد و تعداد ساعات کاری موجود در هر سه منطقه تعیین شد .نتایج حاکی از آن بود که تعداد ساعات کاری در مشهد در حدود دو برابر بیشتر از مناطق دیگر بود .بهمنظور شبیهسازی عملیات برداشت گندم، از روش شبیهسازی پیشامد گسسته به کمک نرمافزار ارنا استفاده شد .ورودیهای مورد نیاز عبارت بودند از رطوبت دانه در زمان برداشت، تعداد ساعات کاری، مشخصات مزرعه و کمباینهای مورد نیاز .خروجی مدل شبیهسازی نیز، روز پایان عملیات برداشت بود .همچنین بهمنظور بررسی اثر اندازه زمین و ماشین بر شاخصهای پایداری، سه اندازه زمین۱۰۰ ، ۲۰۰ و ۳۰۰ هکتاری به صورت مجازی انتخاب شدند و سه کمباین با اندازه کوچک، متوسط و بزرگ نیز برای انجام عملیات برداشت در مناطق مورد مطالعه تعیین شدند .معیارهای ارزیابی پایداری عبارت بودند از چهار شاخص زیستمحیطی شامل میزان انرژی، امرژی، اگزرژی و انتشار گازهای گلخانهای ناشی از برداشت گندم به همراه شاخص اقتصادی که مجموع هزینههای ثابت، متغیر، به موقع نبودن و هزینه زمین برداشت نشده بود .نتایج ارزیابی پایداری عملیات برداشت بیانگر این نکته بود که وجود تفاوت در شرایط آب و هوایی سبب شد تا در هر منطقه کمباینهای متفاوتی به عنوان بهترین گزینه انتخاب شوند، اما به طور کلی بهترتیب مناطق مشهد و ساری بیشترین پایداری را بر حسب هر هکتار و هر تن گندم تولیدی داشتند .علاوه بر این، در تمام مناطق مورد مطالعه پایداری عملیات برداشت در سامانه آبی بیشتر از دیم بهدست آمد
Text of Note
Nowadays, Sustainability assessment of different crop production systems is accounted for one of the most important challenges in the agricultural sector. Since the wheat harvesting operation constitutes a major part of the costs and energy consumption of the whole production process, this study was aimed to develop a technique to simulate the wheat harvesting operation considering working and weather condition as well as sustainability assessment of the operation in rainfed and irrigated production systems in three regions of Mashhad, Parsabad Moghan and Sari. The required inputs were the grain moisture content, the number of working hours, and the characteristics of farms and combine harvesters. First, the growing degree-day method was used to determine the wheat maturity date. Results indicated that wheat in Sari with 199 days had the least growing period in comparison to Mashhad and Parsabad Moghan with 221 and 241 days, respectively. Next, the grain moisture content at harvest time was predicted by using three models of Multi-layer Perceptron, Radial-basis Function, and Support Vector Regression techniques. Findings depicted that the Multi-layer Perceptron had the most appropriate performance compared to other models. Moreover, the number of days required for wheat to be ready to harvest in Mashhad was fewer than two other regions. Then, a day with no rain was selected as the criterion of working day for wheat harvesting operation and the number of working hours was determined in the studied regions. Results highlighted that the number of working hours in Mashhad was almost twice that of other regions. The discrete event simulation technique was employed to simulate the wheat harvesting operation by using Arena Simulation Software. The required inputs were grain moisture content, number of working hours and characteristics of farms and combine harvesters. The model's output was also the finish date of harvesting operation. Furthermore, three virtual farms of 100, 200, and 300 hectares as well as three combine harvesters with different sizes of small, medium, and large were selected for harvesting operation in the studied areas to evaluate the effect of farm size and machine size on the sustainability indices. The sustainability indices included four environmental indices of Energy, Emergy, Exergy, and greenhouse gas emission of the wheat harvesting operation as well as an economic index of total costs including fixed, variable, and timeliness costs as well as costs of un-harvested fields. Results of the sustainability assessment revealed that different weather conditions led to different combine harvesters were considered as the best option but generally, Mashhad and Sari regions had the most sustainability based on one hectare and one ton of wheat, respectively. In addition, the harvesting operation in the irrigated system was more sustainable than the rainfed system in all studied areas
PARALLEL TITLE PROPER
Parallel Title
Discrete Event Simulation Model for Harvest Operation (Case Study: Moghan Plain) A