مدلسازي كارايي انرژي واحدهاي توليدي مرغ گوشتي در استان البرز با استفاده از شبكه عصبي مصنوعي (ANN) و تاثير سطوح تحصيلات بر شاخص نسبت انرژي

Modeling Energy Efficiency in Broiler Chicken Production Units in Alborz Province by Artificial Neural Network (ANN) and the Effect of Educational Level on the Energy Ratio

اين تحقيق به بررسي تعيين الگوي مصرف انرژي و رابطه بين انرژي ورودي و خروجي واحدهاي توليدي مرغ گوشتي استان البرز مي پردازد. بر اين اساس داده هاي مورد نياز، از 50 واحد توليد مرغ گوشتي از طريق استفاده از پرسشنامه هاي حضوري در زمستان 1391 جمع آوري شد. كل انرژي مصرفي و خروجي به ترتيب در حدود 220/02 و 30/25 گيگاژول به ازاي 1000 مرغ برآورد شد. مهمترين مهمترين نهاده هاي انرژي گازوئيل، خوراك، گاز طبيعي و الكتريسيته بودند كه به ترتيب سهمي برابر با 43/03 % ، 25/56 % ، 20/81 % و 10/07 % و كمترين مقادير انرژي مصرفي نيز به نهاده هاي جوجه يكروزه، تجهيزات و نيروي كارگري اختصاص داشت كه سهم هر يك از كل انرژي مصرفي به ترتيب 0/27 %، 0/16 % و 0/01 تعيين شد. شاخص هاي انرژي نسبت انرژي، بهره وري انرژي، انرژي ويژه و افزوده خالص انرژي نيز به ترتيب 0/15، 0/01 كيلو گرم بر مگاژول ، 76/59 مگاژول بر كيلو گرم و 189/77- مگاژول به ازاي 1000 مرغ محاسبه شد. تعيين مقدار انواع مختلف انرژي نيز آشكار ساخت كه سهم انرژيهاي مستقيم(با سهمي برابر با 26 %) بيشتر از انرژيهاي غيرمستقيم( 74 %) بوده و تقريباً تمامي منابع انرژي مورد استفاده در توليد مرغ گوشتي در استان البرز از نوع تجديدناپذير است(سهم منابع تجديدپذير و تجديدناپذير به ترتيب 99/90% و 0/10 % بود). شبكه هاي عصبي متنوعي(در حدود 300 شبكه) براي تخمين مقدار نسبت انرژي واحدهاي توليدي مورد ارزيابي قرار گرفت. كه شبكه پيشخور عصبي مصنوعي با دو لايه مخفي با 2 و 16 نرون بهترين نتايج را داشته و ميتواند براي تخمين نسبت انرژي با بالاترين دقت مورد استفاده قرار گيرد. عملكرد مدل بهينه با استفاده از شاخص هايي چون ضريب تبيين (R2) ، MSE، MAPE و MAE انجام شد. مقدار ضريب تبيين براي مدل انرژي 99% گزارش شد. در نهايت سطوح تحصيلات بر شاخص نسبت انرژي با استفاده از آزمون چند دامنه دانكن در سطح 5% معني دار شده است.

This study examined the relationship between energy input and output units broilers Alborz deals. To determine the pattern of energy consumption, examining the relationship between energy input and output units is paid broilers Alborz. Based on data from 50 broiler production units through the use of questionnaires were collected in winter 1391. Total energy input and output, respectively, at about 220.02 and 30.25 per 1,000 birds were estimated GJ. Primary energy inputs gasoline, food, gas and electricity, respectively, which were equal share 43.03%, 25.56%, 20.81% and 10.07% and the lowest energy inputs as well as day old chicks, equipment and labor devoted. The share of total energy consumption in each of the 0.27%, 0.16% and 0.01% was set. Indicators of Energy, Energy ratio, energy efficiency, specific energy and net energy added to the 0.15, 0.10 MJ kg, 76.59, -189.77 MJ MJ kg per 1000 birds were counted. The different types of energy also reveals that the share of direct energy (with a contribution equal to 26%) than low energy (74%) and almost all the energy used in the production of broilers in Alborz Province is a nonrenewable(The share of renewable and nonrenewable resources, the 90/99%, 0.01%). Various neural network (The 300 Network) to estimate the amount of energy per unit of production were evaluated. The 2 feedforward neural network with two hidden layers and 16 neurons had best results with high precision and can be used to estimate the energy. The optimal model performance using measures such as the coefficient of determination (R2), MSE, MAPE and MAE was performed. Coefficient of 99% was reported for the energy model. The educational level of the ratio of energy using Duncan's multiple range test was significant at the 5% level