مدلسازی هزینه ماشین های برداشت نیشکر در شرکت کشت و صنعت دعبل خزاعی با استفاده از شبکه ی عصبی مصنوعی

thesis
abstract

مدیریت ماشین ها و تجهیزات سنگین وظیفه ی بسیار دشواری می باشد. یک مدیر اغلب باید تصمیم گیری های پیچیده ی اقتصادی در ارتباط با هزینه های ماشین های کشاورزی اتخاذ کند. این تصمیم گیری ها عبارتند از: مالکیت ماشین، نگهداری، تعمیرات، بازسازی، جایگزینی و منسوخ شدن ماشین ها. مدیر همچنین باید قادر به پیش بینی نرخ اجاره ی داخلی ماشین های تحت نظارت خود باشد. هزینه های نگهداری و تعمیرات می تواند اثرات قابل ملاحظه ای در تصمیم گیری های اقتصادی و پیش-بینی ها داشته باشد. هدف از انجام این تحقیق، شناسایی یک مدل ریاضی مناسب برای پیش بینی هزینه های نگهداری و تعمیرات ماشین های برداشت نیشکر مورد استفاده در کشت و صنعت دعبل خزاعی خوزستان بود. متغیر مستقل در مدل ریاضی، ساعات کارکرد تجمعی ماشین برداشت نیشکر و متغیر وابسته، هزینه های نگهداری و تعمیرات برحسب درصدی از قیمت خرید اولیه می باشد. در این راستا، گزارش های سرویس و تعمیرات موجود در دفتر فنی واحد تجهیزات مکانیکی کشت و صنعت، مربوط به 24 دستگاه ماشین برداشت نیشکر hch 300 hepco در یک دوره ده ساله (1380 تا 1389) بررسی گردید. داده های حاصل به وسیله آنالیز رگرسیون بری شش مدل خطی، معکوس، درجه دوم، درجه سوم، توانی و نمایی مورد تجزیه و تحلیل قرار گرفت. نتایج نشان داد که مدل توانی مناسب ترین مدل پیش بینی هزینه نگهداری و تعمیرات می باشد. با استفاده از شبکه عصبی مصنوعی، مدل عصبی برای ماشین های برداشت نیشکر بهینه شد و با استفاده از شاخص های آماری ضریب همبستگی (r) و متوسط قدرمطلق درصد خطا (mape) مدل به دست آمده مورد ارزیابی قرار گرفت و در نهایت مدل 1-12-2 به عنوان بهینه-ترین مدل شبکه عصبی انتخاب گردید. مدل عصبی به دست آمده با ضریب همبستگی 99385/0 در فاز آزمایش و 99516/0 در فاز آموزش توانست تمام هزینه های ماشین های برداشت نیشکر مورد مطالعه را با دقت بسیار بالایی تخمین بزند.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

شبیه سازی شوری آب زیرزمینی با استفاده از شبکه عصبی مصنوعی، الگوریتم بهینه‌سازی ذرات و مدل SEAWAT (مطالعه موردی: مزارع کشت و صنعت نیشکر دعبل خزاعی)

سابقه و هدف: شوری خاک عامل مهم در کاهش عملکرد مزارع نیشکر واقع در جنوب غربی ایران می‌باشد. بنابراین مطالعه و پایش این عامل در زمین‌های تحت کشت نیشکر، امری لازم و ضروری می‌باشد. اما با توجه به وسعت زیاد مناطق زیر کشت نیشکر و تعدد زیاد مزرعه‌ها، مطالعه و پایش این عوامل در هر مزرعه بسیار وقت‌گیر و پرهزینه است. استفاده از مدل‌های کامپیوتری با توجه به سرعت بالا و هزینه کم، به‌عنوان گزینه‌ای مناسب جه...

full text

مقایسه عملکرد دو مدل DRAINMOD و شبکه عصبی مصنوعی در پیش‌بینی سطح ایستابی (مطالعه موردی: مزارع کشت و صنعت نیشکر دعبل خزاعی)

آزمایش­های مزرعه ای به منظور شناخت شرایط موجود سامانه‌های زهکشی مفید هستند، اما محدودیت های قابل توجهی نیز دارند. از­جمله این­که، این آزمایش‌ها را نمی‌توان برای پیش بینی استفاده کرد. کاربرد مدل‌های شبیه‌سازی این محدودیت‌ها را تا حدود زیادی برطرف می‌کند. اما قبل از کاربرد چنین مدل‌هایی، درستی نتایج بدست آمده از آن‌ها باید با نتایج آزمایش های مزرعه ای مقایسه گردد.  در این پژوهش از مدل شبکه عصبی ...

full text

شبیه سازی شوری آب زیرزمینی با استفاده از شبکه عصبی مصنوعی، الگوریتم بهینه سازی ذرات و مدل seawat (مطالعه موردی: مزارع کشت و صنعت نیشکر دعبل خزاعی)

سابقه و هدف: شوری خاک عامل مهم در کاهش عملکرد مزارع نیشکر واقع در جنوب غربی ایران می باشد. بنابراین مطالعه و پایش این عامل در زمین های تحت کشت نیشکر، امری لازم و ضروری می باشد. اما با توجه به وسعت زیاد مناطق زیر کشت نیشکر و تعدد زیاد مزرعه ها، مطالعه و پایش این عوامل در هر مزرعه بسیار وقت گیر و پرهزینه است. استفاده از مدل های کامپیوتری با توجه به سرعت بالا و هزینه کم، به عنوان گزینه ای مناسب جه...

full text

شبیه سازی بارهیدرولیکی با استفاده از الگوریتم‌ بهینه سازی تجمع ذرات و الگوریتم ژنتیک (مطالعه موردی: مزارع کشت و صنعت نیشکر دعبل خزاعی)

آزمایش‌های مزرعه‌ای به منظور شناخت شرایط موجود سامانه‌های زهکشی مفید هستند، اما محدودیت‌های قابل توجهی نیز دارند. از جمله اینکه، این آزمایش‌ها را نمی‌توان برای پیشبینی استفاده کرد. کاربرد مدل‌های شبیه‌سازی این محدودیت‌ها را تا حدود زیادی برطرف می‌کند. اما قبل از کاربرد چنین مدل‌هایی، درستی نتایج بدست آمده از آن‌ها باید با نتایج آزمایش‌های مزرعهای مقایسه گردد. در این پژوهش از الگوریتم بهینه‌سازی...

full text

برآورد نقطه ای منحنی مشخصه رطوبتی خاک با استفاده از شبکه عصبی مصنوعی و بهینه سازی آن با الگوریتم ژنتیک در کشت و صنعت های نیشکر خوزستان

ویژگی­های هیدرولیکی خاک در مدیریت اراضی تحت کشت نیشکر نقش به سزایی دارد. هدف از این تحقیق برآورد نقطه­ای منحنی مشخصه­ی رطوبتی خاکبااستفاده شبکه­ی عصبی مصنوعیوبهینه­سازیآنبا الگوریتم ژنتیک می­باشد. به این منظور براساس ویژگی­های مدیریت اراضی، درصد مواد آلی، بافت خاک، هدایت الکتریکی و درصد سدیم جذب سطحی شده، 4 واحد کاری در کشت و صنعت­های دعبل خزاعی، امیر کبیر، کارون و هفت­تپه انتخاب شد. در مجموع ت...

full text

مدلسازی نفوذپذیری سیستم بیوراکتورغشایی با استفاده از شبکه عصبی مصنوعی

مدلسازی برای سیستم های پیچیده ای همچون بیوراکتور غشایی به دلیل امکان اجرای آزمایشهای مجازی زیاد در زمان کوتاه ابزاری قدرتمند است، اگرچه نیازمند اعتبار تجربی و تبدیل فرایند به مدل ریاضی می باشد. در این پژوهش به مدلسازی فرایند فیلتراسیون توسط شبکه های عصبی با استفاده از نرم افزار MATLAB 8.1 (2013) پرداخته شده و از داده های تجربی یک سیستم بیوراکتور غشایی غوطه ور مجهز به غشاء کوبوتا جهت تصفیه فاضلا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز - دانشکده کشاورزی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023