عنوان پایان‌نامه
بررسی مصرف انرژی، شاخص های اقتصادی و زیست محیطی در پرورش ماهیان گرمابی به روش ارزیابی چرخه زندگی (مطالعه موردی: استان گیلان)
- رشته تحصیلی
- مهندسی مکانیزاسیون کشاورزی - انرژی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 7082;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 76604;کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 7082;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 76604
- تاریخ دفاع
- ۲۹ شهریور ۱۳۹۵
- دانشجو
- سپیده گلچین کماکلی
- استاد راهنما
- اسداله اکرم
- چکیده
- هدف از انجام این تحقیق بررسی مصرف انرژی، شاخص های اقتصادی و زیست محیطی در پرورش ماهیان گرمابی می باشد. داده های مورد استفاده در این تحقیق با استفاده از پرسشنامه و مصاحبه حضوری در سال 94 جمع آوری شد که اطلاعات پرورش سال 93 بدست آمد. نتایج نشان داد که کل انرژی مصرفی برای تولید ماهی 163444/19مگاژول بر هکتار است که انرژی غذا با 47 درصد بیشترین سهم را از انرژی کل دارد. همچنین نسبت انرژی 0/55 بدست آمد. کل هزینه تولید ماهی 6765625 تومان در هکتار برآورد شد که هزینه ی مربوط به غذا بیشترین سهم از هزینه نهاده را به خود اختصاص داد. آلاینده های زیست محیطی با استفاده از نرم افزار سیماپرو ارزیابی شد که بیشترین بار زیست محیطی در اکثر شاخص ها به نهاده های ماشین های کشاورزی و گندم مربوط می شد. البته در شاخص مسمومیت آبهای آزاد، کود اوره و آب نیز بخش اعظمی از بار زیست محیطی را به خود اختصاص دادند.مدلسازی عملکرد ماهی، نسبت سود به هزینه و شاخص های زیست محیطی با استفاده از رگرسیون، شبکه عصبی مصنوعی و انفیس انجام گرفت. بر این اساس در پیش بینی عملکرد ماهی مقادیر ضریب تبیین برای مدل رگرسیونی، شبکه عصبی و انفیس به ترتیب برابر با 0/63، 0/71 و 0/95 بدست آمد. در پیش بینی نسبت سود به هزینه مقادیر ضریب تبیین برای مدل رگرسیونی، شبکه عصبی و انفیس به ترتیب برابر با 0/68، 0/76 و 0/90 بدست آمده است. این نتایج نیز نشان می دهد که دقت مدل انفیس بالاتر از دو مدل دیگر است. در کل مدل انفیس قادر است تا با دقت بیشتر و خطای کمتر عملکرد ماهی را پیش بینی کند. در مدلسازی شاخص های زیست‌محیطی تفاوت معناداری میان شبکه عصبی و انفیس دیده نشد، اما مدل انفیس به طور نسبی نتایج را با دقت بیشتری برآورد کرد. در مدل سازی شاخص های زیست محیطی دقت مدل سازی رگرسیونی در شاخص های تقلیل منابع غیرآلی، پتانسیل گرمایش جهانی، نقصان لایه اوزون و مسمومیت خاک کمتر از دو مدل دیگر بود. مقایسه نتایج بهینه سازی مصرف انرژی با تحلیل پوششی داده ها و الگوریتم ژنتیک چند هدفه نشان داد که میزان مصرف بهینه نهاده ها که از بهینه یابی چند هدفه حاصل شده است به طور معناداری کمتر از نتایج تحلیل پوششی داده ها می باشد. بر این اساس قابلیت ذخیره سازی 3/17 درصد از کل انرژی ورودی در تحلیل پوششی داده ها و 26 درصد از کل میزان انرژی ورودی در بهینه یابی چندهدفه وجود دارد. و با توجه به این نتایج مشخص شد که شاخص های زیست‌محیطی نیز کاهش محسوس تری دارند.
- Abstract
- The purpose of doing this research is checking the energy consumption ,economic indicator and environmental in training hydrothermal fishes. The data which are used in this investigation are gathering from questionnaire and verbal interview in 94 that the information was for 93.the results show that whole of the energy consumption for creating fish is 163444.91 MJ/ha which the food energy with 47 percent has the most contribution in the total energy. Also the proportion of energy is 55% . the total cost of fish production is 6765625 that cost of food has the most contribution. Environmental pollutants has been asses with the software called Simapro that the most environmental load in the most indicators is related to structures of agriculture machine and wheat. Although in indicators of Marine aquatic ecotoxicity, urea manure and water, environmental load has allocate the large part of it to themselves. The modeling of fishes operation, benefit-cost ratio and environmental indicator has been done with regression, Artificial Neural Network and ANFIS. According to this in forecast of fishes operation the amount of coefficient for regression model and Artificial Neural Network and ANFIS are literally about 0.63 , 0.71 and 0.95. in forecast of benefit-cost ratio the amount of coefficient for regression model, Artificial Neural Network and ANFIS have been achieved about 0.68, 0.76 and 0.90. also these results show the importance of ANFIS model is more than that two other. Totally ANFIS model is able to foresee the operation of fishes with high quality and less errors. there is not much differences between Artificial Neural Network and ANFIS model were estimated the results with more accuracy. The accuracy of regression models environmental indicator was less than the two other and TE, OLD, GWP, AD indicators. Comparison between result of making energy consumption better with data envelopment analysis and genetic algorithm shows that the energy consumption which is a result of making that better is meaning fully less than the data envelopment analysis. According to this capability of saving 3.17 percent from the whole arrival energy in data envelopment analysis and 26 percent from the whole arrival energy with some different aims. Considering on these results it is known that the environmental indicator has less decrease in the most. Key words : energy consumption, life cycle assessment, modeling, data envelopment analysis.
