Investigating the Balance of Input and Output Energy in Oilseed Sunflower (Case study: Khoy city)

Lotfalinezhad, Hossain and Rasooli Sharabiani, Vali and Taghinezhad, Ebrahim (2018) Investigating the Balance of Input and Output Energy in Oilseed Sunflower (Case study: Khoy city). Masters thesis, University of Mohaghegh Ardabili.

[img] Text
Hossain Lotfalinezhad .pdf

Download (246kB)
Official URL: http://www.uma.ac.ir

Abstract

Research Aim: Evaluation of energy flow in agricaltural systems is on of the method of determination of these systems. So, the aim of this study was to evaluate the energy input, output and energy balance indices of sunflower production in Khoy, Iran. Research method: The required information was collected through face-to-face interviews with 140 farmers and completed specialized questionnaires. Based on these, the amount of input and output energies and energy indices were calculated. Artificial Neural Network and Multi-level ANFIS were also used to predict the output energy. Findings: Based on the results of this research, the maximum values of energy inputs were related to chemical nitrogen fertilizer, diesel fuel and machinery 43.98, 25.74 and 8.42% of the total energy input, respectively. Also, the share of non-renewable energy for sunflower production was relatively high and efforts should be made to substitute renewable sources for some part of the non-renewable sources. The energy ratio (energy efficiency) in these fields is low (1.57 and 7.96 for seed and biological 7.96, respectively) and should be sought to promotion it. Energy efficiency in grain production and biological was calculated to be 0.06 and 0.57 MJ. Kg-1, respectively. The energy efficiency of the grain was about 11% of the biological energy efficiency, which indicates that about 89% of productive energy related to straw and if the straw is not properly used, efficiency will reduce sharply. Also, the coefficient of determination (R2) and mean absolute error percentage (MAPE) of the best ANN model for predicting the output energy was 0.94, 0.90 and 1.55, 1.77 for training and test data and 0.97 and 0.42 for best ANFIS model, respectively. Conclusion: The multi-level ANFIS is a useful tool to managers for large-scale planning in forecasting energy output of agricultural production systems owing to its higher speed of computation processes and higher accuracy

Item Type: Thesis (Masters)
Persian Title: بررسی تعادل انرژی¬های ورودی و خروجی در کشت آفتاب¬گردان (مطالعه موردي: شهرستان خوی)
Persian Abstract: ارزیابی روند ورود و خروج انرژي در سامانه¬هاي کشاورزي یکی از روش¬هاي تعیین سطح پایداري در این سامانه¬ها است. از این رو هدف از این مطالعه بررسی و پیش¬بینی میزان انرژي¬هاي ورودي و خروجی و شاخص¬هاي مربوط به آن در مزارع آفتابگردان روغنی شهرستان خوی است. روش‌شناسی پژوهش: اطلاعات مورد نیاز از 140 تولیدکننده آفتابگردان با استفاده از مصاحبه رو در رو با کشاورزان و تکمیل پرسشنامه های تخصصی جمع آوری شدند و براساس آن¬ها میزان انرژی های ورودی و خروجی، شاخص¬های انرژی محاسبه شد. همچنین شبکه عصبی مصنوعی و انفیس چند سطحی به منظور پیش¬بینی انرژی خروجی بکار گرفته شدند. یافته‌ها: بر اساس نتایج حاصل از این پژوهش بیش¬ترین سهم از کل انرژي ورودي به ترتیب مربوط به کود شیمیایی نیتروژن (98%/43)، سوخت مصرفی (74%/25) و ماشین (42%/8) بود. نسبت انرژي (کارایی انرژي) در این کشت بوم¬ها پایین است (براي دانه 57/1 و دانه و کاه 96/7) و باید در جهت ارتقا آن تلاش شود. بهره¬وري انرژي در تولید دانه 06/0 مگاژول بر کیلوگرم و مجموع دانه و کاه 57/0 مگاژول بر کیلوگرم محاسبه شد. بهره¬وري انرژي دانه حدود 11 درصد بهره¬وري انرژي بیولوژیک بود که نشان می¬دهد حدود 89 درصد از انرژي تولیدي مربوط به کاه می¬باشد و در صورت عدم استفاده مناسب از این کاه، بهره¬وري به شدت کاهش می¬یابد. همچنین ضریب تبیین(R2) و میانگین درصد خطای مطلق(MAPE) برای پیش¬بینی انرژی خروجی بهترین مدل با شبکه عصبی به ترتیب 94/0 و 90/0 و 55/1 و 77/1 برای داده¬های آموزش و آزمون و با انفیس 97/0 و 42/0به دست آمد. نتیجه‌گیری: انفیس چند سطحی به دلیل سرعت و دقت بالا آن، ابزاری مفید برای مدیران به منظور پیش¬بینی انرژی خروجی سامانه¬های تولید محصولات کشاورزی در مقیاس بزرگ در بخش کشاورزی است.
Supervisor:
SupervisorE-mail
Rasooli Sharabiani, ValiUNSPECIFIED
Advisor:
AdvisorE-mail
Taghinezhad, EbrahimUNSPECIFIED
Subjects: Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem
Divisions > Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem
Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem
Divisions: Subjects > Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem
Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem
Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem
Date Deposited: 13 Dec 2018 09:45
Last Modified: 13 Dec 2018 09:45
URI: http://repository.uma.ac.ir/id/eprint/4295

Actions (login required)

View Item View Item