این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی بیوسیستم ایران، جلد ۴۷، شماره ۲، صفحات ۳۱۹-۳۲۸
عنوان فارسی مقایسه عملکرد شبکه‌های عصبی پرسپترون چندلایه و توابع با پایه شعاعی در برآورد ستانده انرژی مرغ گوشتی
چکیده فارسی مقاله مدیریت انرژی یکی از اصلی‌ترین راه‌های بهینه‌سازی مصرف منابع انرژی است. پیش‌بینی عملکرد محصولات بر اساس ورودی‌های انرژی می‌تواند به کشاورزان و سیاست‌گذاران به منظور برآورد سطح تولید کمک کند. داده‌های مورد نیاز برای مطالعه به طور تصادفی از 70 مزرعه مرغ‌گوشتی در شمال‌غرب ایران جمع‌آوری گردید. انرژی‌های ورودی شامل نیروی انسانی، ماشین‌آلات، سوخت، خوراک و الکتریسیته و انرژی‌های خروجی تولید شده به عنوان متغیرهای خروجی در نظر گرفته شد. شبکه‌های عصبی پرسپترون چندلایه (MLP) و تابع با پایه شعاعی (RBF) به منظور پیش‌بینی انرژی‌های خروجی تولید مرغ‌گوشتی مورد استفاده قرار گرفت. با توجه به نتایج مقایسه به‌دست آمده از شاخص‌های ضریب تبیین (R2)، جذر میانگین مربعات خطا (RMSE) و میانگین قدرمطلق خطا (MAE) عملکرد مدل شبکه عصبی RBF بهتر از شبکه عصبی MLP برآورد گردید. در ارزیابی تأثیرپذیری خروجی از نهاده‌های ورودی، در هر دو مدل سوخت فسیلی بالاترین حساسیت را در بین نهاده‌های تولیدی از خود نشان داد.
کلیدواژه‌های فارسی مقاله پیش‌بینی، حساسیت، مدیریت انرژی، منابع انرژی،
عنوان انگلیسی Comparison of MLP and RBF neural networks performance for estimation of broiler output energy
چکیده انگلیسی مقاله Energy management is one of the main ways of the efficient use of energy resources. The prediction of crop yields based on energy inputs can help farmers and policymakers to estimate the level of production. Required data for study were randomly collected from 70 broiler farms in North West of Iran. The input energies were included human labour, machinery, fuel, feed and electricity and the output produced energies were considered as output variables. The multi-layer perceptron (MLP) and the radial basis function (RBF) neural networks were applied for prediction of output energies of broiler production. According to the comparison results obtained from the indices of the coefficient of determination (R2), root mean square error (RMSE) and the mean absolute error (MAE) performance of the ANN-RBF model better than ANN-MLP model was estimated. In evaluating the effects of inputs on outputs of production, the production of fossil fuel showed the highest sensitivity among the production inputs in both models.
کلیدواژه‌های انگلیسی مقاله Energy management, Energy resources, prediction, Sensitivity
نویسندگان مقاله سما عمید |
دانشگاه محقق اردبیلی
سازمان اصلی تایید شده: دانشگاه محقق اردبیلی (Mohaghegh ardabili university)

ترحم مصری گندشمین | mesri gundoshmian
دانشگاه محقق اردبیلی
سازمان اصلی تایید شده: دانشگاه محقق اردبیلی (Mohaghegh ardabili university)

غلامحسین شاهقلی |
دانشگاه محقق اردبیلی
سازمان اصلی تایید شده: دانشگاه محقق اردبیلی (Mohaghegh ardabili university)

نشانی اینترنتی http://ijbse.ut.ac.ir/article_58781_0341655f64687ad83392f0e230d7b097.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1228/article-1228-223081.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات