عنوان پایان‌نامه
مقایسه کارایی فنی واحدهای پرورش مرغ گوشتی و تخمگذار استان البرز به کمک تحلیل پوششی داده و مدلسازی شاخص های انرژی ، اقتصادی و زیست محیطی آنها با 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: 6213;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 66828
- تاریخ دفاع
- ۱۲ بهمن ۱۳۹۳
- دانشجو
- سجاد زند
- استاد راهنما
- محمود امید
- چکیده
- انرژی یکی از مهم‌ترین منابع مورد استفاده بشر است که به دلیل محدود بودن آن، بشر دائماً در پی استفاده بهینه از این منبع می‌باشد. بخش کشاورزی و دامپروری به عنوان مهم‌ترین بخش تولید کننده مواد غذایی، یکی از بخش‌های مصرف کننده انرژی در کشور می‌باشد. در این پژوهش به بررسی میزان انرژی مصرفی و وضعیت اقتصادی واحدهای پرورش مرغ گوشتی و تخمگذار استان البرز در پاییز 1392 با استفاده از روش‌های هوش محاسباتی پرداخته شده است. نهاده¬های ورودی واحدها شامل سوخت، الکتریسیته، خوراک، نیروی کارگری، تجهیزات، جوجه و پولت بودند. با توجه به نتایج، متوسط انرژی مصرفی در واحدهای گوشتی و تخمگذار به ترتیب برابر 48/189805 و 34/137656 مگاژول به ازای 1000مرغ به دست آمد که در واحدهای گوشتی سوخت و در واحدهای تخمگذار خوراک بیشترین سهم را در انرژی ورودی داشتند. نسبت فایده به هزینه در واحدهای گوشتی 15/1 و در واحدهای تخمگذار 87/0 به دست آمد و در هر دو واحد، دان مصرفی با بیش از 70 درصد هزینه کل ورودی، نقشی تعیین کننده در سوددهی واحدها نشان داد. با استفاده از روش تحلیل پوششی داده‌ها کارایی واحدها در استفاده از انرژی ورودی بررسی شد که متوسط کارایی فنی و کارایی فنی خالص در واحدهای گوشتی به ترتیب برابر 90/0 و 93/0 و در واحدهای تخمگذار برابر 91/0 و 97/0 محاسبه شد. همچنین نتایج تحلیل پوششی داده‌ها نشان داد که واحدهای گوشتی و تخمگذار مورد مطالعه می‌توانند بدون کاهش تولید به ترتیب 09/21 و 34/21 درصد از انرژی ورودی فعلی خود را ذخیره کنند. در واحدهای گوشتی سوخت مصرفی با سهم 62 درصد و در واحدهای تخمگذار الکتریسیته با سهم 55 درصد از انرژی قابل ذخیره در واحدها، ناکاراترین نهاده‌های مصرفی بودند. شبکه عصبی مصنوعی با یک لایه مخفی و تعداد 8 نرون، بهترین مدل برای برآورد انرژی خروجی از انرژی های ورودی در هر دو واحد گوشتی و تخمگذار بود و ضریب تبیین (R2) آن در هر دو مدل بیشتر از 99/0 بوده است? در بررسی پتانسیل گرمایش جهانی واحدها به عنوان یکی از مهم ترین شاخص های زیست محیطی، مقادیر 96/10267 کیلوگرم CO2 معادل برای واحدهای گوشتی و 94/8983 کیلوگرم CO2 معادل برای واحدهای تخمگذار به دست آمد. در این تحقیق از الگوریتم ژنتیک چند هدفه (MOGA)، برای بهینه یابی مقدار نهاده‌های مصرفی واحدها با توجه به بهره‌وری انرژی (EP) و پتانسیل گرمایش جهانی (GWP) تولید شده از مصرف نهاده‌ها در واحدها استفاده شد. به کمک MOGA مقدار بهینه EP برای واحدهای گوشتی و تخمگذار به ترتیب 0147/0 و 0202/0 کیلوگرم بر مگاژول و مقدار بهینه GWP به ترتیب 22/7387 و 33/5242 کیلوگرم CO2 معادل با استفاده از ترکیب بهینه نهاده‌ها به دست آمد.
- Abstract
- Energy is one of the most important resources for human use. We must constantly look for optimal use of this resource, because it is limited. Agriculture and livestock, as an important parts of the food manufacturers, are one of the key energy consumers in Iran. This study examines the energy consumption and economic status in broiler and egg production farms in Alborz province during October-December 2013 using computational intelligence techniques. Used energy inputs include fuel, electricity, feed, labor, equipment, chicken and pullet. According to the results, the average energy consumption of broiler and laying units were computed as 189805.48 and 137656.34 MJ per 1000 bird, respectively. Fuel in broiler and feed in laying units had the largest share of the input energy. The benefit to cost ratio was calculated as 1.15 for broiler and 0.87 for laying units. Feeds with more than 70% of the total input costs, showed a determinant role in profitability in both units. We used data envelopment analysis (DEA) to evaluate the input energy efficiency in the studied units. The average values of technical efficiency and pure technical efficiency were computed as 0.90 and 0.93 in broiler farms, and as 0.91 and 0.97 in laying farms, respectively. DEA also showed that broiler and laying farms can save up to 21.09% and 21.34% of their current input energies, respectively, without any reduction in their outputs. Fuel consumptions in broiler units which account for 62% of saved energy and electricity in laying units which account for 55% of saved energy, were among inefficient inputs. Artificial neural networks (ANNs) were used to model the output energies of farms. ANN with one hidden layer having 8 neurons was the best model for estimating the output energies of both units with coefficient of determination (R2) greater than 0.99. The global warming potential, as one of the most important environmental indicators, was calculated as 10267.96 and 8983.94 kg CO2 equivalent in broiler and laying units, respectively. In this study, we also used multi-objective genetic algorithm (MOGA) for optimization of the inputs used in units with respect to the two objective functions; energy productivity (EP) and global warming potential (GWP). MOGA found optimal values for EP and GWP. The optimal values for EP were 0.0147 and 0.0202 kg/MJ, and for GWP were 7387.22 and 5242.33 kg CO2 equivalent by using the optimal combination of inputs for broiler and laying farms, respectively.
