عنوان پایان‌نامه
برآورد شاخص های انرژی، تحلیل اقتصادی هزینه ها و عملکرد ذرت بذری و دانه ای در پارس آباد مغان به کمک روش های آماری و شبکه عصبی مصنوعی
- رشته تحصیلی
- مهندسی کشاورزی - مکانیزاسیون کشاورزی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 5496;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 59011
- تاریخ دفاع
- ۲۵ شهریور ۱۳۹۲
- دانشجو
- علی فرجام
- استاد راهنما
- محمود امید
- چکیده
- استفاده موثر و بهینه از انرژی به دلیل کاهش هزینه، حفظ منابع فسیلی و کاهش آلودگی هوا، یکی از شرایط تولید پایدار در کشاورزی می‌باشد. این مطالعه به بررسی انرژی مصرفی و هزینههای تولید و همچنین ارزیابی اثر نهادهها بر سطح خروجی در تولید محصولات ذرت بذری و دانهای در استان اردبیل در سال 1390 میپردازد. بیشترین انرژی مصرفی در تولید این دو محصول مربوط به کودهای شیمیایی و سوخت دیزل بود. نسبت انرژی برای ذرت بذری و دانهای به ترتیب 89/0 و 65/2 به دست آمد. همچنین انرژی خالص، بهرهوری انرژی و انرژی ویژه برای ذرت بذریMJ ha-1 4688-، kg MJ-106/0 و MJ kg-14/16و برای ذرت دانهای 6/58330، 18/0 و 53/5 به دست آمد. سهم انرژی مستقیم، غیر مستقیم، تجدیدپذیر و تجدید ناپذیر برای ذرت بذری 46، 54، 3 و 97 و برای ذرت دانهای 50، 50، 2 و 98 درصد به دست آمد. همچنین مدلهای اقتصادی برای تخمین تاثیر انرژی نهادهها و هزینه عملیات به ترتیب روی عملکرد و درآمد کل در هر دو محصول با به کار بردن تابع تولید کاب داگلاس توسعه داده شد. برای این منظور عملکرد ذرت بذری و دانهای به عنوان متغیر وابسته، تابعی از انرژی نهادهها در نظر گرفته شد. معادلات به دست آمده نشان میدهد که انرژی ماشین، بیشترین تاثیر را روی میزان عملکرد در هر دو محصول داشته است. در بین ضرایب رگرسیونی در ذرت بذری، هزینه آماده سازی زمین و در ذرت دانهای هزینه عملیات کاشت، بزرگ‌ترین ضریب را در مدل رگرسیونی درآمد کل داشتند. این بدین معناست که این متغیرها، نسبت به سایر متغیرها تأثیر بیشتری بر درآمد کل دارند. در این مطالعه از شبکه عصبی مصنوعی به منظور برآورد میزان عملکرد و درآمد محصولات مورد نظر با توجه به انرژی و هزینه عملیات‌های مختلف و همچنین برای بررسی میزان تاثیر هر کدام از ورودیها بر خروجی مورد برآورد استفاده شده است. بهترین مدل برای برآورد ذرت بذری دارای یک لایه ورودی با 6 متغیر، دو لایه مخفی با 4 و 8 نرون در هر لایه و یک لایه خروجی با یک متغیر خروجی بود در حالی‌که در ذرت دانهای دارای یک لایه ورودی با 6 متغیر ورودی، دولایه مخفی با 3 و 9 نرون در هر لایه و یک لایه خروجی با یک متغیر خروجی بود (ساختار1-9-3-6). در ذرت بذری بالاترین میزان بهرهوری اقتصادی و نسبت فایده به هزینه (742/3) در سطوح کمتر از 3 هکتار بوده و کمترین آن (68/2) در سطح بالای 6 هکتار بوده است ولی در ذرت دانهای بالاترین میزان بهرهوری اقتصادی و نسبت فایده به هزینه (34/1) در سطوح 3 تا 6 هکتار بوده و کمترین آن (21/1) در سطح کمتر از 3 هکتار بوده است. نتایج بررسی شاخص‌های اقتصادی با شبکه عصبی نشان داد که در ذرت بذری، بهترین مدل جهت تخمین شاخص‌های اقتصادی دارای ساختار 4-10-6-6 و برای ذرت دانهای 4-8-4-6 بود.
- Abstract
- Effective and efficient use of energy due to reduced cost fossil resources preservation and reduce pollution is one of the conditions for sustainable agricultural production. This study evaluate energy consumption and production costs as well as evaluation inputs effect on output level in seed and grain corn production in Ardabil Province in 1390 year. Most energy consumed in the production of these two products was associated with fertilizer and diesel fuel. Energy ratio for seed and grain corn obtained 0.89 and 2.65 respectively. The net energy, energy productivity and specific energy for seed corn -4688 MJ ha-1, 0.06 kg MJ-1, 16.4 MJ Kg-1 and for grain corn 58330.6, 0.18 and 5.53 obtained. The share of direct, indirect, renewable and non-renewable energy calculated for seed corn 46, 54, 3, 97 and grain corn 50, 50, 2 and 98. Also, economic models developed to estimation impact energy inputs and operations cost on the product yield and total income in both product with apply the Cobb-Douglas production function. For this purpose, seed and grain corn yield was considered as dependent variable, a function of the energy input. The equations obtained show that machinery energy had the greatest impact on yield amount of both products. In between regression coefficients in seed and grain corn, preparation and planting costs have the biggest coefficients in total income regression model. This means that this variable to other variables have a greater impact on total income. In this study, artificial neural networks have been used In order to estimation yield amount and product income and cost of operations desired products according to energy and different operations cost and also to evaluate the impact of each inputs on the output estimate. The best model to predict seed corn has an input layer with 6 variables, two hidden layers with 4 or 8 neurons in each layer and an output layer with one output variable. While in grain corn has an input layer with 6 variable inputs, two hidden layers with 3 and 9 neurons in each layer and an output layer with one output variable (1-9-3-6 structure). The highest economic efficiency and benefit cost ratio (3.742) in seed corn was at levels of less than 3 hectare and the lowest (2.68) at the top of the 6 hectare. In grain corn , the highest economic productivity and benefit cost ratio (1.34) at levels of 3 to 6 hectare and the lowest (1.21) at the level of less than 3 hectare. Economic indices evaluation results with neural network show that in seed corn, the best model for estimating the economic indices have 6-6-10-4 and in grain corn 6-4-8-4 structure.
