Modeling and Optimization of Energy Consumption of Cucumber Greenhouses in East Azarbaijan sharghi

ebrahimpour, Zahra and Rasooli Sharabian, Vali and Mesri Gundoshmian, Tarahhom and Amid, Sama (2017) Modeling and Optimization of Energy Consumption of Cucumber Greenhouses in East Azarbaijan sharghi. Masters thesis, University of Mohaghegh Ardabili.

[img] Text
پایان نامه ابراهیم پور.pdf

Download (474kB)
Official URL: http://uma.ac.ir/

Abstract

This research is aimed at modeling and optimizing energy consumption of cucumber greenhouses in East Azarbaijan province in the year 1395. Firstly, energy consumption indicators were calculated. Then, the modeling section was performed using artificial intelligence methods, RBF, MLP, artificial neural networks and fuzzy-neural network (ANN) and statistical methods, multiple regression. The inputs of the input model and output output were considered as the output of the model. The results showed that the RBF method of artificial neural networks with a structure of 12-22-1 and 12-25-1 with a higher accuracy than the enzyme and regression method could The energy performance of cucumber production is predicted by greenhouses, and the Anfisa method has a better performance than fuzzy regression according to fuzzy rules. In the optimization section, the Life Cycle Assessment (LCA) method was used. According to the results, the free water index with 29143/861, -1/4 dichlorobenzene equivalent to kilograms and the discharge of fossil resources with 1500/578 kg of antimony equivalent and the global warming potential of 183/003 kg equivalent to carbon dioxide per hectare was the highest Environmental pollutants. The lowest contribution to the inorganic ghosting index was equivalent to 0/00063 kg of Antimony

Item Type: Thesis (Masters)
Persian Title: مدل سازی و بهینه سازی انرژی مصرفی گلخانه¬های خیار استان آذربایجان شرقی
Persian Abstract: این پژوهش، به مدل سازی و بهینه سازی انرژی مصرفی گلخانه های خیار استان آذربایجان شرقی در سال زراعی 1395 پرداخته است. که ابتدا شاخص های انرژی مصرفی محاسبه گردید. سپس قسمت مدل‌سازی با استفاده از روش‌های؛ هوش مصنوعی، روش RBF ، MLP شبکه‌های عصبی مصنوعی و سامانه استنتاج فازی – عصبی (انفیس) و روش آماری، رگرسیون چندگانه صورت گرفت. که نهاده‌ها ورودی مدل و ستاده خروجی به عنوان خروجی مدل در نظر گرفته شده بود نتایج به دست آمده نشان داد روش RBF شبکه‌های عصبی مصنوعی با ساختار 1-22-12 و 12-25-1با دقت بالاتری نسبت به روش انفیس و رگرسیون قادر به پیش بینی عملکرد انرژی خیار تولیدی گلخانه‌ها هست و روش انفیس هم با توجه به دارا بودن قوانین فازی عملکرد بهتری نسبت به روش رگرسیون چند گانه داشت. در قسمت بهینه سازی از روش ارزیابی جرخه حیات (LCA ) استفاده گردید. که طبق نتایج به دست آمده شاخص آب‌های آزاد با 861/29143 ، 4/1-دی کلروبنزن معادل کیلوگرم و تخلیه منابع فسیلی با 578/1500 کیلوگرم آنتیموان معادل و پتانسیل گرمایش جهانی با 003/183 کیلوگرم معادل دی¬اکسیدکربن در هکتار بیشترین مقدار آلایندگی‌های زیست محیطی را داشتند. کمترین سهم مربوط به شاخص تقیل منابع غیر آلی برابر 00036/0 کیلو گرم آنتیموان معادل بود.
Supervisor:
SupervisorE-mail
Rasooli Sharabian, ValiUNSPECIFIED
Advisor:
AdvisorE-mail
Mesri Gundoshmian, TarahhomUNSPECIFIED
Sama, AmidUNSPECIFIED
Subjects: Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem
Divisions > 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
Date Deposited: 24 Jun 2019 05:20
Last Modified: 24 Jun 2019 05:20
URI: http://repository.uma.ac.ir/id/eprint/6955

Actions (login required)

View Item View Item