عنوان پایان‌نامه
تعیین شاخص های اقتصادی، انرژی و زیست محیطی در کشت چند محصول (چغندرقند، گندم و نخود) در استان آذربایجان غربی (شهرستان بوکان) به کمک تکنیک های هوش محاسباتی
- رشته تحصیلی
- مهندسی کشاورزی - مکانیزاسیون کشاورزی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6303;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 67643
- تاریخ دفاع
- ۲۳ فروردین ۱۳۹۴
- دانشجو
- بهمن رحیمیان
- استاد راهنما
- حسین موسی زاده
- چکیده
- در این تحقیق به بررسی انرژی مصرفی، تبعات زیست محیطی و مدل سازی و بهینه سازی آن‌ها در تولید سه محصول غالب شهرستان بوکان در استان آذربایجان غربی با استفاده از تکنیک‌های هوش مصنوعی پرداخته شده است. از ارزیابی چرخه حیات این محصولات به منظور تعیین بارهای محیطی تولید شده استفاده شده است. در این پژوهش ابتدا میزان انرژی مصرفی، شاخص‌های انرژی، شاخص‌های اقتصادی و میزان آلاینده‌های زیست‌محیطی برای هر‌یک از محصولات محاسبه و توسط مدل رگرسیونی مورد تحلیل وبررسی قرار‌گرفت. سپس با استفاده از شبکه‌های عصبی مصنوعی به مدل سازی انرژی خروجی به‌عنوان عملکرد و شاخص‌های زیست‌محیطی پرداخته شد. همچنین به منظور بهینه سازی انرژی مصرفی و آلاینده‌های زیست‌محیطی از دو روش تحلیل پوششی داده‌ها و الگوریتم ژنتیک چند‌هدفه استفاده و در انتها با‌یکدیگر مقایسه شدند. نتایج حاصل از این پژوهش نشان داد که میزان کل انرژی نهاده در تولید سه محصول گندم، نخود‌‌زراعی و چغندرقند به ترتیب 46/19، 10/6 و 33/63 گیگاژول بر هکتار می‌باشد. بیشترین میزان مصرف انرژی در تولید محصولات گندم، نخود‌‌زراعی و چغندرقند به ترتیب با 49%، 36% و 27% به نهاده‌های کود نیتروژن، سوخت دیزل و آب مصرفی تعلق داشته است و در تمامی محصولات سهم مصرفی انرژی تجدید‌ناپذیر بسیار بیشتر از منابع تجدید‌پذیر بود. نتایج نشان داد که در تمام محصولات نهاده‌های نیروی کارگری، کود شیمیایی و سموم بیشترین سهم از هزینه‌‌ی نهاده‌ها را به خود اختصاص دادند. در تمامی مدل های رگرسیونی ضریب تبیین مقدار بالایی (بیش از8/0) را به خود اختصاص داد و همچنین مقادیر دوربین-واتسون به نحوی بود که نشان دهنده‌ی عدم خود‌همبستگی در سطح 5% بود. نتایج شبکه‌های عصبی مصنوعی نشان داد که بهترین ساختار برای مدل‌سازی انرژی مصرفی و شاخص‌های زیست‌محیطی برای سه محصول گندم، نخود‌‌زراعی و چغندرقند به ترتیب 11-10-8، 11-15-7 و 11-9-9 تخمین زده شدند که در تمامی مدل‌ها ضریب همبستگی بیش از 9/0 برآورد شدند.نتایج بهینه¬سازی مصرف انرژی با تحلیل پوششی داده-ها و الگوریتم ژنتیک چندهدفهبه‌وضوح نشان دادند که پتانسیل بسیاری برای کاهش مصرف انرژی و آلاینده‌های زیست‌محیطی در تولیدات فوق وجود دارد. به‌علاوه میزان مصرف بهینه نهاده¬ها که از بهینه¬یابی چندهدفهحاصل‌شده است به‌طورمعناداری کمتر از نتایج تحلیل پوششی داده¬ها بوده است. بر‌این اساس در بهینه‌ترین حالت مصرف انرژی کل نهاده در تولید گندم، نخود‌‌زراعی و چغندرقند به ترتیب با 3/24%، 4/44% و 2/25% کاهش به رقم 74/14، 39/3 و 34/47 گیگاژول بر هکتار خواهد رسید. ارزیابی تاثیرات زیست‌محیطی محصولات مورد مطالعه نشان داد که بیشترین بارهای محیطی در محصول گندم ازجانب کودهای شیمیایی، در محصول نخود از جانب سوخت دیزل و در چغندرقند از جانب الکتریسیته بوده است.
- Abstract
- In this research, energy consumption, environmental impacts and their modeling and optimization were investigated for three crops dominat in Boukan Region of Azarbaijan province using artificial intelligence techniques. Life cycle assessment methodology was applied to assess produced environmental burdens. In this study, at first the amount of energy consumption, energy indices, economic indices and invironmental indicies was calculated for each crop and then analyzed using regression model. Then, modeling of the output energy as yield and the amount of environmental impacts was carried out using artificial neural networks. Also two methods including Data envelopment analysis (DEA) and Multi-Objective Genetic Algorithm (MOGA) were used in order to optimize the energy consumption and environmental impacts. Finally, these two methods were compared with each other. The results of this research revealed that the total amount of input energy for wheat, pea and sugar beet crops were calculated as 19.46, 6.10 and 63.33 GJ ha-1, respectively. In wheat, pea and sugar beet production nitrogen fertilizers, diesel fuel and water had the highest share of input energy with 49%, 36% and 27% respectively. All the crops consumed more non- renewable resources in proportion to renewable ones.The results revealed that in all crops labor, chemical fertilizers and pesticides inputs had the highest share of the costs. In all regression models, coefficient of determination (R2) was high and the amount of Durbin- Watson represented lack of self correlation in 0.05% level.The results of neural networks showed that the best structure for modeling the energy consumption and invironmental indicies for wheat, pea and sugar beet production were estimated at 8-10-11, 7-15-11 and 9-9-11 respectively. In all models, coefficient of correlation was estimated at more than 0.9.The results of optimization of energy consumption and environmental impacts using data envelopment analysis and multi-objective genetic algorithm clearly showed that there is a great potential for reducing energy consumption and environmental impacts for the above productions.In addition, the amount of optimized consumption of inputs obtained from multi-objective optimization was significantly less than the results of data envelopment analysis approach. Accordingly, in the most optimum conditon, the total energy input in cultivation of wheat, pea and sugar beet with 24.3%, 44.4% and 25.2% reduction will achieve to the values of 14.74, 3.39 and 47.34 GJ ha-1.The evaluations of environmental assessment illustrated that all environmental impacts were dominated by chemical fertilizers, diesel fuel and electricity in cultivation of wheat, pea and sugar beet respectively.
