ارزیابی CO2 خروجی و مدل سازی مبتنی بر شبکه های عصبی مصنوعی برای تخمین عملکرد ذرت بذری و دانه ای در پارس آباد مغان
- سال انتشار: 1392
- محل انتشار: هشتمین کنگره ملی مهندسی ماشین های کشاورزی (بیوسیستم) و مکانیزاسیون ایران
- کد COI اختصاصی: NCAMEM08_002
- زبان مقاله: فارسی
- تعداد مشاهده: 1019
نویسندگان
گروه مهندسی ماشین های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، پردیس کرج
مرکز تحقیقات کشاورزی و منابع طبیعی استان اردبیل (پارس آباد مغان)
گروه مهندسی ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، پردیس کرج
مرکز تحقیقات کشاورزی و منابع طبیعی استان اردبیل(پارس آباد مغان)
چکیده
هدف از این مطالعه، تعیین شاخص های مصرف انرژی، نشر گازهای گلخانه ای و مدلسازی تولید ذرت بذری و دانهای به کمک شبکه های عصبی مصنوعی در پارس آباد مغان است. داده ها به صورت حضوری از 144 کشاورز ذرت کار در سال 1390 در منطقه مورد مطالعه جمع آوری گردید. بیشترین مصرف انرژی در هر دو محصول مربوط به سوخت دیزل و کودهای شیمیایی بود. نسبت انرژی برای ذرت بذری و دانهای 0/89 و 2/65 محاسبه شد. انرژی خالص، بهره وری انرژی، شدت انرژی و نشر گازهای گلخانه ای برای ذرت بذری MJ ha-1 -4689 ، Kg MJ-1 0/06، MJKg-116/4 و Kg CO2Eq ha-1 1810 و برای ذرت دانه ای 58330، 0/18، 5/53 و 1490 محاسبه شد. بالاترین میزان تولید گاز گلخانه ای مربوط به سوخت دیزل با 64/22 درصد ( Kg CO2eq ha-1 1162/4 ) برای ذرت بذری و 66/66 درصد ( Kg CO2eq ha-1 993/4 ) برای ذرت دانه ای محاسبه شد. پرسپترون های مختلف از مدل های شبکه عصبی مصنوعی با 6 نرون در لایه وردی، یک تا سه لایه مخفی و یک نرون در لایه خروجی به کار گرفته شد. بهترین مدل برای پیش بینی عملکرد ذرت بذری ودانه ای دارای توپولوژی 1-8-4-6 و 1-9-3-6 بودند. ارزش خرجی مدل در ارتباط با عملکرد واقعی دارای ضریب تشخیص 0/9998 و 0/9978 بودند.کلیدواژه ها
تولید ذرت، شاخص های انرژی، شبکه های عصبی مصنوعی، عملکرد، نشر گارهای گلخانه ایمقالات مرتبط جدید
- طبقه بندی آلبالو بر مبنای ویژگی های کیفی با بهره گیری از پردازش تصویر، شبکه های عصبی مصنوعی و ماشین های بردار پشتیبان
- کاربرد شبکه های عصبی برای پیش بینی کیفیت محصولات کشاورزی پیش از برداشت از طریق تصاویر پهپادی و ماهواره ای
- طراحی شهرهای گرم با محوریت آسایش حرارتی و پایداری محیط زیست
- فناوری سبز در مهندسی فاضلاب
- آمایش سرزمین هوشمند: رویکردهای نوین ارزیابی و پایداری
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.