NATIONAL BIBLIOGRAPHY NUMBER
Number
۹۴۴۳پ
LANGUAGE OF THE ITEM
.Language of Text, Soundtrack etc
per
TITLE AND STATEMENT OF RESPONSIBILITY
Title Proper
بررسی انرژی مصرفی، تعیین بهترین تابع تولید و پیش‌بینی انرژی مصرفی به کمک شبکه عصبی مصنوعی برای محصول گوجه‌صفرنگی گلخانه‌ای استان اصفهان
First Statement of Responsibility
/حسین رهبری
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: دانشکده کشاورزی
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۹۰ص
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی
INTERNAL BIBLIOGRAPHIES/INDEXES NOTE
Text of Note
بصورت زیرنویس
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
رشته‌ی مهندسی ماشین‌های کشاورزی گرایش مکانیزاسیون کشاورزی
Date of degree
۱۳۹۱/۰۶/۲۰
Body granting the degree
تبریز
SUMMARY OR ABSTRACT
Text of Note
ر این تحقیق به منظور بررسی و پیش‌بینی انرژی مصرفی در تولید گوجه‌فرنگی گلخانه‌ای استان اصفهان از توابع تولید انرژی و شبکه‌های عصبی مصنوعی استفاده شد .برای این کار داده‌ها به روش کاملا تصادفی به وسیله پرسش شخص به شخص، از میان ۳۰ گلخانه استان اصفهان جمع‌آوری شد .کل انرژی ورودی در تولید گوجه‌فرنگی ۳۲/۸۹۳۶۶۸۰ مگاژول بر هکتار محاسبه شد که نهاده سوخت با ۲۸/۹۲ درصد از کل انرژی‌های ورودی، بیشترین انرژی مصرفی در تولید را به خود اختصاص داده است .شاخص نسبت انرژی ۰۱۶/۰ محاسبه شد .همچنین شاخص بهره‌وری انرژی ۰۲/۰ کیلوگرم بر مگاژول بدست آمد .به دلیل استفاده از تجهیزات گرمایشی با بازده پایین، عدم استفاده از سازه‌های مناسب و پوشش گلخانه‌ای با ضریب انتقال حرارتی بالا، الگوی نامناسب مصرف و پایین بودن قیمت سوخت در سال‌های 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 معنی‌دار و ضریب تبیین ۶۱/۰ بهترین مدل می‌باشد .در این مطالعه شبکه عصبی مصنوعی از نوع پرسپترون چند لایه با ۷ نرون در لایه ورودی ۱۳ نرون در لایه میانی و یک نرون در لایه خروجی از میان انواع شبکه‌های مورد ارزیابی با ضریب تبیین ۹۹ درصد به عنوان بهترین شبکه انتخاب شد .نتایج تحلیل حساسیت نهاده‌های ورودی بر روی خروجی بر طبق بهترین مدل نشان داد که نهاده‌ی ماشین‌آلات بیشترین اثر را بر روی خروجی شبکه عصبی داشته است
Text of Note
suitable consumption pattern and also low price of fuel in past years, was very high in the studied area. Results of production functions analysis showed that Cobb Douglas model with 4 significant coefficient and R2=0.61was the best model, between Cobb Douglas, Transendental, Translog, Quadratic and Leontief functions. In this study, the best ANN was a multilayer perceptron (MLP) with seven neurons in the input layer, one hidden layer with 13 neurons, one neuron in the output layer and R2=0.99. Bases on optimal models the sensitivity analysis of input parameters on output revealed that machinery input had the highest sensitivity on output for the best model-1 respectively. The energy consumption for fuel due to use of heaters with low efficiency, none-1 that fuel input indicated as the highest share with 92.28 . Energy ratio and energy productivity was 0.016 and 0.02 kgMj-In this study production functions and artificial neural network were used to determine and forecast the amount of energy consumption for greenhouse tomato production in Isfahan Province. For this purpose, the data was collected by completing the questionnaires and interviewing from 30 greenhouse tomato growing farmers that were selected randomly. The total input calculated energy was 8936680.32 Mjha
PERSONAL NAME - PRIMARY RESPONSIBILITY
رهبری، حسین
PERSONAL NAME - SECONDARY RESPONSIBILITY
محمودی، اصغر، استاد راهنما
عجب شیرچی، یحیی، استاد راهنما
ولیزاده، مصطفی، استاد مشاور
دشتی، قادر، استاد مشاور
ELECTRONIC LOCATION AND ACCESS
Public note
سیاه و سفید
نمایه‌سازی قبلی
