عنوان پایان‌نامه
مدل سازی و بهینه سازی تولید کلزا با استفاده از سامانه استنتاج فازی- عصبی- ژنتیکی ، مطالعه موردی استان مازندران
- رشته تحصیلی
- مهندسی کشاورزی - مکانیزاسیون کشاورزی
- مقطع تحصیلی
- دکتری تخصصی PhD
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6813;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 73740;کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6813;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 73740
- تاریخ دفاع
- ۱۸ بهمن ۱۳۹۴
- دانشجو
- سیدهاشم موسوی اول
- استاد راهنما
- شاهین رفیعی
- چکیده
- در سال‌های اخیر با گسترش آگاهی‌ها در زمینه مسئله گرمایش زمین، نگرانی در مورد تاثیر انتشار کربن بر اقلیم جهانی افزایش یافته است. هدف از این تحقیق در مرحله اول بررسی وضعیت مصرف انرژی، شاخص‌های اقتصادی و همچنین میزان انتشار آلاینده‌های زیست‌محیطی از طریق ارزیابی چرخه زندگی تولید دانه روغنی کلزا در استان مازندران می‌باشد؛ در مرحله بعد سامانه فازی- عصبی برای پیش‌بینی انرژی خروجی، نسبت فایده به هزینه و شاخص زیست‌محیطی مورد استفاده قرار می‌گیرد؛ همچنین الگوریتم ژنتیک چندهدفه به منظور تعیین ترکیب بهینه مصرف نهاده‌ها با هدف حداکثرسازی انرژی خروجی، حداقل‌سازی شاخص زیست‌محیطی و حداکثرسازی نسبت فایده به هزینه به‌کار‌گرفته شده است. دادههای مورد نیاز از طریق مصاحبه حضوری با کشاورزان در شهرستان های ساری، نکا و بهشهر در این استان به دست آمد. کل انرژی مورد نیاز برای تولید کلزا برابر با (MJ/ha) 15208/7 بوده و کود نیتروژن و سوخت دیزل مهم‌ترین نهاده های مصرف کننده انرژی بودند. همچنین انرژی خروجی حاصل از دانه روغنی کلزا برابر با (MJ/ha) 56695/6 بوده و نسبت انرژی برابر با 3/73 به‌دست آمد. نتایج ارزیابی چرخه زندگی با به‌کارگیری مدل CML2 Baseline در نرم‌افزار سیماپرو نشان داد که کل انتشار آلاینده‌های زیست‌محیطی برابر با pPt/ha 24/8872 بوده، که از این میزان 78/5 % مربوط به مرحله تولید نهاده‌ها و 21/5 % مربوط به مرحله استفاده از نهاده‌ها در داخل مزرعه می‌باشد. از سامانه فازی- عصبی سه مرحله‌ای به منظور پیش‌بینی شاخص‌های انرژی، اقتصادی و زیست‌محیطی استفاده شد و نتایج تحقیق نشان داد که ضریب تبیین برای مدل‌های ارائه شده در پیش‌بینی انرژی خروجی، نسبت فایده به هزینه و شاخص زیست‌محیطی به ترتیب برابر 0/90، 0/87 و 0/92 بود که نسبت به مدل‌های ارائه شده توسط روش‌های رگرسیون و شبکه‌های عصبی مصنوعی دارای ضریب تبیین بالاتر و خطای کمتر می‌باشد. نتیجه بهینه‌سازی چندهدفه با استفاده از سامانه ANFIS-GA نشان داد در حالت تخصیص بهینه نهاده‌ها در تولید کلزا، مصرف کودهای آلی به‌طور قابل توجهی افزایش و مصرف کود نیتروژن کاهش می‌یابد؛ در نتیجه انرژی خروجی با افزایش 6/2درصدی به (MJ/ha) 60225 و نسبت انرژی با افزایش 8/7درصدی به 4/05 خواهد رسید. نسبت فایده به هزینه از 1/60 در وضعیت فعلی به 3/90افزایش و شاخص زیست‌محیطی تا (pPt ha-1) 1995 کاهش می‌یابد که بیانگر کاهش 8/19 درصدی میزان آلاینده‌ها می‌باشد. نتایج این تحقیق، راهکارهای مناسبی را در اختیار برنامه‌ریزان، تصمیم‌گیران و مدیران واحدهای تولیدی دانه روغنی کلزا قرار می‌دهد تا برنامه‌ریزی مناسبی را در خصوص تخصیص بهینه منابع و توسعه پایدار کشت دانه روغنی کلزا در کشور داشته باشند.
- Abstract
- Recently by development of awareness about global warming, concern about the impact of carbon emissions on global climate has increased. The purpose of this research is firstly to investigate energy consumption, economics and environmental emissions through life cycle assessment of oilseed canola production in Mazandaran province, Iran and secondly to apply Neuro-fuzzy system for predicting energy output, the benefit to cost ratio and environmental emissions; Finally, using multi-objective genetic algorithms (MOGA), a multi-objective model was formulated as maximizing output energy and benefit to cost ratio, and minimizing single score of environmental emissions. Data used in this research was collected through interviews with farmers in Sari, Neka and Behshahr regions of Mazandaran province. Total energy input for canola production was 15208.7 MJ ha-1 and nitrogen fertilizer and diesel fuel were the main energy consumer inputs. Total energy output was 56695.6 MJ ha-1 and energy ratio was calculated as 3.73. The results of life cycle assessment using CML2 baseline model indicated that total emissions of canola production was 2488.72 pPt ha-1, from which 78.5% is related to off-farm emissions and 21.5% is related to on-farm emissions. Three layer Neuro-fuzzy system was applied to predict energy, economic and environmental indices. The results revealed that the R2 for predicting output energy, benefit to cost ratio and single score environmental emissions was found to be 0.90, 0.87 and 0.92, respectively. The results of comparison with Artificial Neural Networks and regression models proved the capability of three layer Neuro-fuzzy system in predicting energy, economic and environmental indices with higher R2 and lower error. Consequently, multi-objective optimization results revealed that, in the optimal allocation of inputs in the production of canola, application of organic fertilizers is considerably increase, while the use of nitrogen fertilizer is significantly decrease, resulting in increasing energy output by 6.2% to 60225 MJ ha-1, and energy ratio to increase by 8.7% to 4.05. Also, benefit to cost ratio will increase from 1.60 in current situation to 3.90 in optimum situation and single score environmental emissions will decrease by 19.8% to 1995 pPt ha-1. The results of this study provide appropriate solutions to policy makers and farm managers to make suitable decisions for optimum allocation of inputs and sustainable development of canola production in the region. Keywords: Life cycle assessment, Modelling, Optimization, Fuzzy, MOGA
