مشخصات پژوهش

عنوان	مدلسازی انرژی مصرفی و میزان انتشار گازهای گلخانه ای در تولید پرتقال و توت فرنگی با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: شهرستان دزفول)
نوع پژوهش	پایان نامه
کلیدواژه‌ها	شبکه عصبی مصنوعی، تحلیل پوششی داده ها، بهینه یابی چندهدفه، پرتقال، توت فرنگی
چکیده	در این تحقیق بررسی و مدل سازی انرژی مصرفی و نشر آلایندگی برای تولید دو محصول پرتقال و توت فرنگی شهرستان دزفول با استفاده از شبکه عصبی مصنوعی و عصبی فازی انجام گرفت. همچنین ارزیابی کارایی واحدهای تولیدی نیز با بهره گیری از تکنیک تحلیل پوششی داده ها و الگوریتم ژنتیک انجام شده است. نتایج حاصل از این پژوهش نشان داد که کل انرژی مورد نیاز در تولید محصولات پرتقال و توت فرنگی به ترتیب حدود 79/44393 و 25/36257 مگاژول بر هکتار می باشد. در محصول پرتقال و توت فرنگی بیشترین میزان مصرف نهاده به ترتیب با 23/77% و 50% به کودهای شیمیایی و مخصوصاً ازت تعلق داشته است و در هر دو محصول سهم انرژی های تجدیدناپذیر بسیار بیشتر از منابع تجدیدپذیر بود. شاخص نسبت انرژی برای این محصولات به ترتیب 78/0 و 85/0 محاسبه شد. همچنین میزان انتشار گازهای گلخانه ای در تولید این محصولات به ترتیب 22/1045 و 50/612 کیلوگرم دی اکسید کربن بر هکتار محاسبه شد که برای محصول پرتقال، ازت (با 9/54%) و سوخت (با 9/22%) و برای محصول توت فرنگی، ازت (با 43%) و سموم (با 21%) پر نشرترین نهاده ها محسوب شدند. نتایج شبکه عصبی نشان داد که بهترین ساختارها برای مدل سازی انرژی مصرفی و نشر گازهای گلخانه ای برای دو محصول پرتقال و توت فرنگی به ترتیب 2-4-7 و 2-6-7 تخمین زده شدند که در هر دو مدل ضریب همبستگی بالای 90% برآورد شدند. همچنین نتایج مدلسازی با استفاده از انفیس نشان داد که در هر دو مدل ضریب همبستگی بیش از 90% است. برای بهینه کردن انرژی با استفاده از تحلیل پوششی داده ها، مدل ورودی محور DEA مورد استفاده قرار گرفت. در تولید محصولات پرتقال و توت فرنگی میانگین کارایی فنی(کل) در مصرف انرژی به میزان 949/0 و 982/0 محاسبه شد. بهینه سازی مصرف انرژی با استفاده از DEA نشان داد که حدود 94/1 % از انرژی توت فرنگی و 36/4% از انرژی پرتقال پتانسیل ذخیره شدن دارند. همچنین قادر به کاهش 24/13 و 38/34 کیلوگرم کربن دی اکسید بر هکتار از گازهای گلخانه ای در محصولات توت فرنگی و پرتقال می گردد. مقایسه نتایج بهینه یابی نتایج تحلیل پوششی داده ها و الگوریتم ژنتیک چندهدفه نشان داد میزان مصرف بهینه نهاده ها که از بهینه یابی چندهدفه حاصل شده است به طور معناداری کمتر از نتایج تحلیل پوششی داده ها بوده است. بر این اساس در بهینه ترین حالت مصرف، انرژی کل نهاده ها
پژوهشگران	حسین باقرپور (استاد راهنما)، فاطمه سبزعلیپورحاجی اباد (دانشجو)