ارزيابيCO2 خروجي و مدل سازي مبتني بر شبكه هاي عصبي مصنوعي براي تخمين عملكرد ذرت بذري و دانه اي در پارس آباد مغان

Assessment Co2 emission and modeling based on Artificial Neural Network for predicting seed and grain corn yields in Pars Abad Moghan

هدف از اين مطالعه، تعيين شاخص هاي مصرف انرژي، نشر گازهاي گلخانه اي و مدل سازي توليد ذرت بذري و دانه اي به كمك شبكه هاي عصبي مصنوعي در پارس آباد مغان است. داده ها به صورت حضوري از 144 كشاورز ذرت كار در سال 1390 در منطقه مورد مطالعه جمع آوري گرديد. بيشترين مصرف انرژي در هر دو محصول مربوط به سوخت ديزل و كودهاي شيميايي بود. نسبت انرژي براي ذرت بذري و دانه اي 0/89 و 2/65 محاسبه شد. انرژي خالص، بهره وري انرژي، شدت انرژي و نشر گازهاي گلخانه اي براي ذرت بذري MJ ha-1 -4689 ، Kg MJ-1 0/06، MJKg-116/4 و Kg CO2Eq ha-1 1810 و براي ذرت دانه اي 58330، 0/18، 5/53 و 1490 محاسبه شد. بالاترين ميزان توليد گاز گلخانه اي مربوط به سوخت ديزل با 64/22 درصد ( Kg CO2eq ha-1 1162/4 ) براي ذرت بذري و 66/66 درصد ( Kg CO2eq ha-1 993/4 ) براي ذرت دانه اي محاسبه شد. پرسپترون هاي مختلف از مدل هاي شبكه عصبي مصنوعي با 6 نرون در لايه وردي، يك تا سه لايه مخفي و يك نرون در لايه خروجي به كار گرفته شد. بهترين مدل براي پيش بيني عملكرد ذرت بذري ودانه اي داراي توپولوژي 1-8-4-6 و 1-9-3-6 بودند. ارزش خرجي مدل در ارتباط با عملكرد واقعي داراي ضريب تشخيص 0/9998 و 0/9978 بودند.

The aim of this study was to determine the indicators for energy use, greenhouse gas (GHG) emissions and modeling of seed and grain corn production with help Artificial Neural Network in Pars Abad Moghan. The data was collected by a face-to-face interview method from 144 corn farms during 1390 in the studied area. Most of energy consumption in seed and grain corns was related to diesel fuel and chemical fertilizers. The energy ratios for the seed and grain corns were 0.89 and 2.65, respectively. The net energy, energy productivity, energy intensity and GHG emission were -4688.77 MJ ha-1 , 0.06 Kg MJ-1, 16.4 MJ Kg-1 and 1810.11 kg CO2eq ha-1 for seed corn and 58330.63, 0.18, 5.53 and 1490.13 kg CO2eq ha-1 for grain corn, respectively. The highest value of GHG emission belonged to diesel fuel with share of 64.22% (1162.4 kg CO2eq ha-1) and 66.66 % (993.4 kg CO2eq ha-1) of total emission for seed and grain corn, respectively. Several multilayer perceptron ANNs with six neurons in the input layer and one to three hidden layers with different number of neurons in each layer and one neuron (seed or grain corn yield) in the output layer was developed and tested. The best model for predicting seed and grain corn yields had 6-4-8-1 and 6-3-9-1 topologies, respectively. Model output value associated with the actual output had coefficient of determination (R2) values of 0.9998 and 0.9978 for seed and grain corn, respectively