بررسي عوامل موثر بر مصرف انرژي در بخش كشاورزي ايران

جهان امروز، جهان توسعه اقتصادي و صنعتي است. روند اين توسعه در طول دهه‌هاي اخير شتاب بيشتري گرفته است. انرژي به عنوان مهمترين كالاي تجاري، كه بيشترين سهم را در تجارت جهان دارد. براي فعاليتهاي بشر از اهميت فراواني برخوردار است. ايران به عنوان كشوري رو به رشد و برخوردار از منابع انرژي غني و گسترده و وجود مخازن بزرگ نفتي، معادن عظيم زيرزميني و توان بالقوه انرژي يكي از مصداقهاي الگوي رشد با فشار بر منابع طبيعي به شمار مي‌رود. بخش كشاورزي نيز يكي از بخشهاي مصرف كننده انرژي است. انرژي به عنوان نهاده مصرفي در بخش كشاورزي از اهميت خاصي برخوردار است. بررسي مصرف انرژي در بخش كشاورزي، نشان مي‌دهد كه طي سالهاي مختلف همراه با افزايش توليد و ارزش افزوده مصرف انواع حاملهاي انرژي شامل فراورده هاي نفتي و برق، افزايش يافته است. بنابراين در اين مطالعه ابتدا با شبكه عصبي مصنوعي ضرايب اهميت عوامل موثر بر مصرف انرژي در بخش كشاورزي محاسبه شد. سپس با استفاده از الگوي خود توضيح برداري (VAR) مصرف انرژي در بخش كشاورزي پيش بيني شد. نتايج تحقيق نشان مي دهد كه در هر دو روش شبكه عصبي و اقتصاد سنجي متغيرهاي شدت مصرف انرژي، سهم بخش كشاورزي در اقتصاد و توليد ناخالص داخلي بر مصرف انرژي در اين بخش تاثير مثبت زيادي دارد.

Today world is, expansion economic and industrial world. This process taken more hurry in period of ten days. Energy is as trade goods most share in world trade, for human activity prosperous mach importance, Iran carried to account as one country growthing and containing of rich and wide sources energy and oil bigs tanks, energy is one of meaning pattern growth with pressure on natural source. Agricultural sector is one of energy consumption sectors. Energy is as consumption factors importance special in agricultural sector. The results obtained approve that energy consumption including oil and electricity increased in different years ago with increase production and value additional. In this paper with use of nervous network calculated importance coefficients of effective factors on energy consumption in agricultural sector. Then forecasted energy consumption in this sector with Autoregressive model. The results appear energy consumption intensity, share of agricultural sector in economic and GDP factors, with use of nervous network and econometric method have high positive effective on energy consumption in agricultural sector.