مدل‌سازی انرژی تولید هلو با بهره‌گیری از فناوری یادگیری ماشین در شهرستان نظرآباد، استان البرز

امروزه تامین امنیت غذایی برای جمعیت روبه‌رشد جهان با حفظ منابع کره زمین و حداقل اثرات زیست‌محیطی به یکی از چالش‌های اساسی و مهم در کشاورزی پایدار تبدیل‌شده است و استفاده بهینه از منابع  یکی از الزامات اصلی کشاورزی پایدار است. در این مطالعه به بررسی الگوی مصرف انرژی در تولید هلو، تجزیه‌وتحلیل و مدل‌سازی انرژی و عملکرد تولید هلو در شهرستان نظرآباد پرداخته شد. داده‌ها از طریق مصاحبه با باغداران و پر کردن پرسش‌نامه‌های تخصصی جمع‌آوری شد. نتایج نشان داد که کل انرژی مصرفی و تولیدی به ‌ترتیب برابر 72716/83 و 5234/89 مگاژول ‌در ‌هکتار بود. برق با سهم 59 درصدی از کل انرژی‌های ورودی پرمصرف‌ترین نهاده بود. شاخص‌های کارایی انرژی، بهره‌وری انرژی، شدت انرژی و انرژی خالص به‌ ترتیب 0/07، kg/mj 03/0،mj/kg 39/26 و mj67481- به دست آمد. مدل‌سازی با سه روش رگرسیون گرادیان تقویت شده، رگرسیون درختان تصمیم و رگرسیون جنگل تصادفی انجام شد و rrmse به ترتیب 0/003- ،0/009- و 0/0091- و  r2به ترتیب 0/98، 0/95 و 0/90 محاسبه شد نتایج نشان داد که روش گرادیان تقویت شده قادر است بادقت بالاتری مقادیر شاخص‌های بهره‌وری انرژی تولید هلو را پیش‌بینی کند. نتایج نشان داد که بهره‌وری انرژی و تولیدات به‌وسیله نهاده‌های آب آبیاری، برق، کودهای شیمیایی و حیوانی، نیروی کارگری، سموم شیمیایی، سوخت دیزل و ماشین‌ها و روش یادگیری ماشین بادقت بالایی قابل‌پیش‌بینی می‌باشد. تحلیل حساسیت با shap انجام شد و نتایج نشان داد که تاثیرگذارترین نهاده در پیش‌بینی انرژی، کود شیمیایی ازته بود.

modeling of peach production energy using machine learning in nazarabad township, alborz province

today, providing food security for the world’s growing population by preserving the earth’s resources minimal environmental effects has become one of the basic important challenges in sustainable agriculture, the optimal use of resources is one of the main requirements of sustainable agriculture. in this study, the pattern of energy consumption during peach production, analysis modeling of energy performance of peach production in nazarabad city was investigated. data were collected through interviews filling specialized questionnaires. the results showed that the total energy consumption production were equal to 72716.83 5234.89 megajoules per hectare, respectively. electricity was the most consumed input with a share of 59% of the total input energy. the indices of energy efficiency, energy efficiency, energy intensity and net energy were obtained as 0.07, (kg/mj) 0.03, (mj/kg) 26.39 and (mj) -67481 respectively. modeling was done with three methods: enhanced gradient regression, decision tree regression, and random forest regression, and rrmse was -0.003, -0.0090, and -0.0091, and r2 was 0.98, 0.95, and 90, respectively was calculated. the results showed that the enhanced gradient method is able to accurately predict the values of the energy efficiency indices of peach production. the results showed that the energy efficiency and production can be predicted with high accuracy through the inputs of irrigation water, electricity, chemical and animal fertilizers, labor force, chemical poisons, diesel fuel and machines and machine learning method. sensitivity analysis was performed with shap and the results showed that the most influential input in energy prediction was nitrogen fertilizer.