مکانیزاسیون کشاورزی
مجید نامداری؛ شاهین رفیعی؛ سلیمان حسین پور
چکیده
با توجه به نقش اساسی بخش کشاورزی در اقتصاد ایران، بررسی و شناسایی راهکارهای تولید بهینه با نگاه اقتصادی و با بهره گیری از روش‌های مدل‌سازی هوشمند از اهمیت زیادی برخوردار است. هدف این مطالعه مح اسبه شاخص‌های اقتصادی در تولید محصول چغندرقند در استان همدان، به‌کارگیری روش تحلیل پوششی داده‌ها در شناسایی واحدهای کارا، و استفاده از ...
بیشتر
با توجه به نقش اساسی بخش کشاورزی در اقتصاد ایران، بررسی و شناسایی راهکارهای تولید بهینه با نگاه اقتصادی و با بهره گیری از روش‌های مدل‌سازی هوشمند از اهمیت زیادی برخوردار است. هدف این مطالعه مح اسبه شاخص‌های اقتصادی در تولید محصول چغندرقند در استان همدان، به‌کارگیری روش تحلیل پوششی داده‌ها در شناسایی واحدهای کارا، و استفاده از روش انفیس در پیش‌بینی شاخص سود به هزینه از روی مقدار مصرف نهاده‌های تولید می‌باشد. داده‌های این مطالعه از بررسی 88 مزرعه به دست آمد. نتایج نشان داد نیروی انسانی، اجاره زمین و آب مصرفی بیشترین هزینه‌ها را به خود اختصاص داده‌اند. سهم هزینه متغیر 84 درصد و سهم هزینه ثابت 16 درصد از کل هزینه‌ها می‌باشد. براساس نتایج DEA، از تعداد 88 کشاورز مورد مطالعه، تعداد 19 کشاورز با مدل CCR و 55 کشاورز با مدل BCC کارا شناخته شدند. میانگین کارایی فنی، کارایی فنی خالص و کارایی مقیاس به ترتیب 73/0، 94/0 و 77/0 به‌دست آمد. با معیار قرار دادن واحدهای کارا و الگوبرداری از آنها، می‌توان با ثابت نگه داشتن عملکرد محصول، به میزان 64/51 درصد کاهش هزینه داشت. نتایج مدل‌سازی نشان داد انفیس سه سطحی قادر است شاخص اقتصادی را با ضریب تبیین 96/0 از روی نهاده‌های مصرفی پیش‌بینی کند. بنابراین انفیس را می‌توان به عنوان ابزاری مفید برای کمک به پیش‌بینی شاخص‌های اقتصادی سیستم‌های تولید کشاورزی پیشنهاد کرد.
نگار حافظی؛ محمدجواد شیخ‌داودی؛ هوشنگ بهرامی؛ سید عنایت‌اله علوی
چکیده
متغیرهای مختلفی بر عملکرد مزارع نیشکر تأثیر‌گذارند. با بررسی این متغیرها و تعیین میزان اثر هر یک از آنها می‌توان به راهکارهایی به‌منظور افزایش بهره‌وری مزارع نیشکر دست یافت. امروزه استفاده از یافته‌های هوش مصنوعی و داده کاوی برای کمک به پیش‌بینی تولید محصول مورد توجه قرار گرفته است. هدف از این مقاله، معرفی روش هوشمند سیستم استنتاج ...
بیشتر
متغیرهای مختلفی بر عملکرد مزارع نیشکر تأثیر‌گذارند. با بررسی این متغیرها و تعیین میزان اثر هر یک از آنها می‌توان به راهکارهایی به‌منظور افزایش بهره‌وری مزارع نیشکر دست یافت. امروزه استفاده از یافته‌های هوش مصنوعی و داده کاوی برای کمک به پیش‌بینی تولید محصول مورد توجه قرار گرفته است. هدف از این مقاله، معرفی روش هوشمند سیستم استنتاج فازی- عصبی تطبیقی و ترکیب این تکنیک با الگوریتم بهینه‌سازی ازدحام ذرات به منظور افزایش دقت و سرعت یادگیری سیستم فازی- عصبی در تخمین خصوصیات کمی و کیفی محصول نیشکر است. متغیرهای مدل شامل مجموعه‌ای از عوامل مدیریتی، خصوصیات خاک، آب و اقلیمی در منطقه مورد مطالعه است. در ابتدا، برای انتخاب ویژگی‌های بهینه از میان متغیرهای موجود در مسأله از الگوریتم ژنتیک استفاده شد سپس از یک الگوی اصلی سیستم استنتاج فازی- عصبی تطبیقی و یک الگوی ترکیبی شبکه فازی- عصبی با الگوریتم ازدحام ذرات برای پیش‌بینی خصوصیات مورد مطالعه استفاده گردید. نتایج نشان داد که الگوی ترکیبی شبکه فازی- عصبی و الگوریتم ازدحام ذرات نسبت به الگوی اصلی سیستم فازی- عصبی صرف، به راه‌حل دقیق‌تر و قوی‌تر منجر شده‌است؛ این مدل به ترتیب با مقادیر اعشاری ضریب تعیین، ریشه میانگین مربعات خطا و میانگین درصد خطای مطلق 9237/0، 0181/0 و 0217/0 برای عملکرد نیشکر و نیز 9847/0، 0086/0 و 0138/0 برای درصد شکر استحصالی، توانایی مناسبی در پیش‌بینی و نگاشت غیرخطی میان متغیرهای مورد نظر داشته است.
