بررسی عوامل مؤثر بر کارآیی زیربرداری آب در تولید محصول گندم تلفیق شبکه عصبی مصنوعی تابع پایه شعاعی و مدل توبیت
نویسندگان
چکیده
در پژوهش حاضر، با استفاده از اطلاعات جمع آوری شده 150 بهره بردار گندم منطقه زرقان فارس در سال زراعی1390-1389 مهم ترین عوامل مؤثر بر کارآیی زیربرداری نهاده آب در تولید این محصول شناسایی شد و مورد تجزیه و تحلیل قرار گرفت. به منظور محاسبه کارآیی زیربرداری آب از رهیافت تحلیل پوششی داده ها استفاده گردید. سپس، با کمک شبکه عصبی مصنوعی تابع پایه شعاعی (rbf) مهم ترین عوامل اثرگذار بر کارآیی زیربرداری آب شناسایی شد. در ادامه، با به کارگیری مدل توبیت، اثرگذاری مهم ترین عوامل شناسایی شده مورد بررسی قرار گرفت. نتایج خروجی شبکه عصبی به کار برده شده نشان داد که متغیرهای سطح زیر کشت محصول، درآمد ناخالص هر هکتار و مدت زمان میان دو آبیاری، اثرگذارترین عوامل بر کارآیی زیربرداری آب هستند. همچنین، نتایج حاصل از کاربرد مدل توبیت نیز نشان دهنده اثرگذاری مثبت متغیرهای سطح زیر کشت و درآمد ناخالص هر هکتار محصول و تأثیر منفی مدت زمان میان دو آبیاری بر کارآیی استفاده از نهاده ی آب است. در پایان، پیشنهاد گردید که به منظور افزایش کارآیی استفاده از آب در منطقه، یکپارچه سازی اراضی مورد توجه بیشتری قرار گیرد.
منابع مشابه
پیش بینی تراز آب زیرزمینی دشت شاهرود استفاده از شبکه عصبی مصنوعی تابع پایه شعاعی
Groundwater level prediction is an important issue in scheduling and managing water resources. A number of approaches such as stochastic, fuzzy networks and artificial neural network have been used for such prediction. A neural network model has been employed in this research for Shahrood plain groundwater level prediction. For this reason, statistical parameters of groundwater level fluct...
متن کاملپیش بینی تراز آب زیرزمینی دشت شاهرود استفاده از شبکه عصبی مصنوعی تابع پایه شعاعی
پیشبینی تراز آب زیرزمینی به منظور مدیریت و برنامهریزی منابع آب، بسیار مهم است. برای انجام این پیشبینی، از روشهای متعددی مانند روشهای استوکستیکی، منطق فازی و شبکه عصبی مصنوعی میتوان استفاده نمود. در تحقیق حاضر، مدل شبکه عصبی مصنوعی rbf هیبرید برای پیشبینی تراز آب زیرزمینی دشت شاهرود مورد استفاده قرار گرفته است. این هیبرید بودن شبکه باعث افزایش دقت روش نسبت به شبکه rbf پایه میشود. بدین من...
متن کاملبررسی عوامل مؤثر بر تجارت آب مجازی محصول گندم با استفاده از مدل جاذبه
افزایش تقاضای منابع آب ناشی از رشد جمعیت و توسعه اقتصادی از یک سو و هدر رفت آب و کاهش بارندگی از سوی دیگر، توجه به سمت تقاضای آب در سطح کلان و سیاستگذاری را ضروری ساخته است. با توجه به رویکرد جدید کشورها در موضوع تجارت آب مجازی و بنابر جایگاه نظریه هکشر - اوهلین (H-O)، بررسی تجارت آب مجازی نکات ارزندهای برای برنامهریزان بخش آب و کشاورزی به همراه خواهد داشت. این پژوهش به بررسی عوامل مؤثر بر ت...
متن کاملپیش بینی حجم کوفتگی سیب با استفاده از شبکه عصبی تابع پایه شعاعی RBF ( و مقایسه آن با مدل رگرسیونی)
متن کامل
مقایسه عملکرد شبکه عصبی پرسپترون چند لایه و تابع پایه شعاعی در پیشبینی حجم صنعتی و هیزمی حاصل از درختان
سابقه و هدف: در مدیریت منابع جنگلی، فرآیندهای تصمیمگیری مثل عوامل کیفی در معادلات ریاضی وارد نمیشوند. درسالهای اخیر شبکههای عصبی، کاربرد فراوانی در منابع جتگلی داشتهاند. این تحقیق به مقایسه شبکه عصبی پرسپترون چندلایه و شبکه تابع پایه شعاعی در پیشبینی حجم صنعتی و هیزمی درختان پرداخته است. بررسی عملکرد شبکههای مختلف و یافتن بهترین نوع آن برای دستیابی به نتایج قابل قبول و معتبر از اهداف این...
متن کاملبررسی عوامل مؤثر بر قیمت زعفران (کاربرد الگوی قیمتگذاری هدانیک و شبکه عصبی مصنوعی)
زعفران به عنوان محصولی کشاورزی ارزشمند در سطح ملی و بینالمللی، به شیوههای مختلفی توسط مصرفکنندگان ارزشگذاری میشود و قیمتی که برای آن پرداخت میشود به عوامل متعددی بستگی دارد. با شناسایی این عوامل میتوان زعفران را با قیمتی در بازار عرضه نمود که مطابق با ترجیحات مصرفکننده باشد. لذا، هدف اصلی این مطالعه ارزیابی عوامل مؤثر بر قیمت زعفران در شهر مشهد با استفاده از مدل قیمتگذاری هدانیک است. و...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
پژوهش های رشد و توسعه پایدارجلد ۱۶، شماره ۲، صفحات ۱۱۷-۱۳۵
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023