مقایسه عملکرد شبکه‌های عصبی پرسپترون چندلایه و توابع با پایه شعاعی در برآورد ستانده انرژی مرغ گوشتی

مدیریت انرژی یکی از اصلی‌ترین راه‌های بهینه‌سازی مصرف منابع انرژی است. پیش‌بینی عملکرد محصولات بر اساس ورودی‌های انرژی می‌تواند به کشاورزان و سیاست‌گذاران به منظور برآورد سطح تولید کمک کند. داده‌های مورد نیاز برای مطالعه به طور تصادفی از 70 مزرعه مرغ‌گوشتی در شمال‌غرب ایران جمع‌آوری گردید. انرژی‌های ورودی شامل نیروی انسانی، ماشین‌آلات، سوخت، خوراک و الکتریسیته و انرژی‌های خروجی تولید شده به عنوان متغیرهای خروجی در نظر گرفته شد. شبکه‌های عصبی پرسپترون چندلایه (mlp) و تابع با پایه شعاعی (rbf) به منظور پیش‌بینی انرژی‌های خروجی تولید مرغ‌گوشتی مورد استفاده قرار گرفت. با توجه به نتایج مقایسه به‌دست آمده از شاخص‌های ضریب تبیین (r2)، جذر میانگین مربعات خطا (rmse) و میانگین قدرمطلق خطا (mae) عملکرد مدل شبکه عصبی rbf بهتر از شبکه عصبی mlp برآورد گردید. در ارزیابی تاثیرپذیری خروجی از نهاده‌های ورودی، در هر دو مدل سوخت فسیلی بالاترین حساسیت را در بین نهاده‌های تولیدی از خود نشان داد.