مدل‌سازی انرژی مصرفی توت‌فرنگی بر پایه الگوی مصرف انرژی با بهره‌گیری از شبکه عصبی مصنوعی، انفیس و رگرسیون در شهرستان دزفول

این پژوهش به‌منظور تجزیه ‌و تحلیل و مدل‌سازی انرژی مصرفی در تولید توت‌فرنگی در مزارع روباز با بهره‌گیری از سامانه‌های هوشمند شبکه عصبی مصنوعی، سامانه استنتاج عصبیفازی تطبیقی چندلایه (انفیس) و رگرسیون انجام گرفت. به‌منظور برآورد میزان انرژی مصرفی، داده‌ها به‌طور مستقیم از 50 تولیدکننده توت‌فرنگی در دزفول جمع‌آوری شد. باتوجه به نتایج، کل انرژی ورودی و خروجی برای این محصول به‌ترتیب برابر با 36257.25 و 30006.51 مگاژول بر هکتار به‌دست آمد. بیش‌ترین میزان مصرف نهاده با مقدار 18139.84 مگاژول بر هکتار و سهم 50 درصد به کودهای شیمیایی تعلق داشت. باتوجه به نتایج مدل انفیس، میزان ضریب همبستگی و میانگین مربعات خطا و میانگین خطای مطلق برای توت‌فرنگی، به‌ترتیب برابر با 0.98، 0.047 و 0.012 به‌دست آمد. هم‌چنین مقادیر این پارامترها برای شبکه عصبی مصنوعی با ساختار بهینه (761) به‌ترتیب برابر با 0.97، 0.056 و 0.020 و برای رگرسیون به‌ترتیب 0.90، 0.076 و 0.053 تعیین شدند. هم‌چنین تاثیر مصرف انرژی توسط نهاده‌های مختلف بر روی تولید توت‌فرنگی با استفاده از روش پارامتری کابداگلاس و تولید فیزیکی نهایی موردبررسی قرار گرفت و نتایج نشان داد تاثیر نهاده‌های ماشین و آب نسبت به سایر نهاده‌ها بیش‌تر بود. نتایج مقایسه مدل رگرسیون با مدل شبکه عصبی و انفیس نشان داد که مدل انفیس مقدار خروجی را با دقت بیش‌تری نسبت به بهترین مدل شبکه عصبی مصنوعی برآورد کرد و شبکه عصبی مصنوعی هم نسبت به مدل رگرسیون تخمین بهتری را نشان داد.

Modeling Energy Consumption of Strawberries on the Basis of Energy Consumption Pattern Using Artificial Neural Network and Anfis and Regression in Dezfoul County

This research was carried out to analyze and model energy consumption in the production of software in open fields using intelligent artificial neural network, multilayered nonfuzzy inference scheme and regression. In order to estimate the amount of energy consumed, data were collected directly from 50 strawberry producers in Dezful. According to the results, the total input and output energy for this product was equal to 36257.25 and 30006.51 megajol per hectare. The highest amount of inputs was allocated to the amount of 18139.84 megajol per hectare and 50 percent to chemical fertilizers. According to the results of ANFIS model, the correlation coefficient and mean square error and mean absolute error for strawberries were 0.98, 0.047 and 0.012 respectively. Also, the values of these parameters for artificial neural network with optimal structure (761) were 0.97, 0.056 and 0.020 respectively and for regression were 0.90, 0.076 and 0.053 respectively. Also, the effect of energy consumption by different inputs on strawberry production was studied using the CobbDouglas parametric method and final physical production. The results showed that the impacts of machine and water inputs were higher than the other inputs. The results of the comparison of the regression model with the ANN and ANN model indicated that the anfis model estimates the output value more accurately than the best artificial neural network model and artificial neural network compared to the regression model.