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
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 849
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCAMEM08_002
تاریخ نمایه سازی: 14 شهریور 1393
چکیده مقاله:
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:
نویسندگان
علی فرجام
گروه مهندسی ماشین های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، پردیس کرج
محمود امید
مرکز تحقیقات کشاورزی و منابع طبیعی استان اردبیل (پارس آباد مغان)
اسدالله اکرم
گروه مهندسی ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، پردیس کرج
ضرغام فاضل نیاری
مرکز تحقیقات کشاورزی و منابع طبیعی استان اردبیل(پارس آباد مغان)
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :