شماره ركورد :
853106
عنوان مقاله :
بررسي عوامل مؤثر بر كارآيي زيربرداري آب در توليد محصول گندم تلفيق شبكه عصبي مصنوعي تابع پايه شعاعي و مدل توبيت
عنوان فرعي :
Examining Factors Affecting the Sub-vector Water Efficiency in Wheat Production: A Radial Basis Function Artificial Neural Network and the Tobit Model
پديد آورندگان :
مرتضوی، سید ابوالقاسم نويسنده استادیار گروه اقتصاد كشاورزی دانشگاه تربیت مدرس، نویسندۀ مسئول مكاتبات Mortazavi, Seyed Abolghasem , علی‌پور، علی‌رضا نويسنده دانشجوی دكتری گروه اقتصاد كشاورزی دانشگاه تربیت مدرس Alipour, Ali Reza , قربانی، مهدی نويسنده كارشناسی ارشد گروه اقتصاد كشاورزی دانشگاه تربیت مدرس Ghorbani, Mehdi
اطلاعات موجودي :
فصلنامه سال 1395 شماره 0
رتبه نشريه :
علمي پژوهشي
تعداد صفحه :
19
از صفحه :
117
تا صفحه :
135
كليدواژه :
زرقان , شبكه عصبي مصنوعي تابع پايه‌ شعاعي , مدل توبيت , كارآيي زيربرداري آب
چكيده فارسي :
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 كارآیی زیربرداری نهاده  آب در تولید این محصول شناسایی شد و مورد تجزیه و تحلیل قرار گرفت. به منظور محاسبه  كارآیی زیربرداری آب از رهیافت تحلیل پوششی داده ها استفاده گردید. سپس، با كمك شبكه  عصبی مصنوعی تابع پایه  شعاعی (RBF) مهم ترین عوامل اثرگذار بر كارآیی زیربرداری آب شناسایی شد. در ادامه، با به كارگیری مدل توبیت، اثرگذاری مهم‌ترین عوامل شناسایی شده مورد بررسی قرار گرفت. نتایج خروجی شبكه  عصبی به كار برده شده نشان داد كه متغیرهای سطح زیر كشت محصول، درآمد ناخالص هر هكتار و مدت زمان میان دو آبیاری، اثرگذارترین عوامل بر كارآیی زیربرداری آب هستند. همچنین، نتایج حاصل از كاربرد مدل توبیت نیز نشان دهنده  اثرگذاری مثبت متغیرهای سطح زیر كشت و درآمد ناخالص هر هكتار محصول و تأثیر منفی مدت زمان میان دو آبیاری بر كارآیی استفاده از نهاده ی آب است. در پایان، پیشنهاد گردید كه به منظور افزایش كارآیی استفاده از آب در منطقه، یكپارچه‌سازی اراضی مورد توجه بیشتری قرار گیرد. 
چكيده لاتين :
In the present study, by using information of 150 wheat beneficiaries in Zarghan, Fars region collected in the 2010-2011 crop year, the most important factors affecting the sub-vector water efficiency in wheat production were analyzed. In order to measure the water use efficiency, data envelopment analysis was used. Afterward, the most important factors affecting sub-vector water efficiency were identified by using radial basis function (RBF) artificial neural network. Then, the most important factors were analyzed by applying the Tobit model. The results of neural network model showed that variables yield cultivated area, gross income per hectare and time interval between each two subsequent irrigations have been the most important factors affecting sub-vector water use efficiency. In addition, results from Tobit model suggested the positive impact of variables yield cultivated area and gross income per hectare and negative impact of time interval between each two subsequent irrigations on water use efficiency. Finally, paying more attention to the land integration for increasing sub-vector water efficiency was proposed.
سال انتشار :
1395
عنوان نشريه :
پژوهشهاي اقتصادي (رشد و توسعه پايدار)
عنوان نشريه :
پژوهشهاي اقتصادي (رشد و توسعه پايدار)
اطلاعات موجودي :
فصلنامه با شماره پیاپی 0 سال 1395
كلمات كليدي :
#تست#آزمون###امتحان
لينک به اين مدرک :
بازگشت