Modeling energy use and economic productivity of different fish production systems using artificial neural networks

محمد غلامی پرشکوهی ¹ (دانشیار گروه آموزشی مکانیک بیوسیستم دانشگاه آزاد تاکستان)
محسن رسولی ² (گروه آموزشی مکانیک بیوسیستم دانشگاه آزاد تاکستان)
بابک بهشتی ³ (گروه آموزشی مکانیزاسیون کشاورزی دانشگاه علوم تحقیقات تهران)
محمد قهدریجانی ⁴ (Department of Agricultural Systems Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran.)

تاریخ ارسال : 1401/05/11 تاریخ تایید : 1401/12/23

کلید واژه: Productivity, Modeling, fish, Energy use,

چکیده مقاله :

This study aimed to use artificial neural networks (ANNs) to predict output energy and economic indicators. So, data on two fish breeding sites were collected with a questionnaire, directly from the site owners and administrators, and from the records. Then, the input and output energy of cold-water and hot-water fish were calculated. The cold-water fish were found to have a more favorable energy ratio (ER) (2.24), energy productivity (EP) (0.04 kg MJ−1), specific energy (SE) (26.83 MJ kg-1), and net energy gain (NEG) (33222.16 MJ kg-1). According to the results, fish feed and electricity are two factors among energy consumption inputs whose proper management will increase energy efficiency. The benefit-to-cost ratio was positive for cold-water fish (1.54) and hot-water fish (2.45). The productivity of cold-water and hot-water fish was 0.58 kg $-1 and 0.52 kg $-1, respectively. The results of ANNs showed that R2 varied from 0.947 to 0.993 overall, from 0.912 to 0.964 for the training stage, and from 0.978 to 0.980 for the testing stage in the case of cold-water fish. Regarding hot-water fish, these values were 0.885-0.998, 0.923-0.952, and 0.952-0.995, respectively. So, ANNs can be used to predict output energy and economic productivity.

چکیده انگلیسی :

این مطالعه با هدف استفاده از شبکه‌های عصبی مصنوعی (ANN) برای پیش‌بینی انرژی خروجی و شاخص‌های اقتصادی انجام شد. بنابراین داده‌های مربوط به دو سایت پرورش ماهی با استفاده از پرسشنامه، مستقیماً از صاحبان و مدیران سایت و از روی سوابق جمع‌آوری شد. سپس انرژی ورودی و خروجی ماهیان سردابی و گرمابی محاسبه شد. مشخص شد که ماهی های سردآبی دارای نسبت انرژی مطلوب (ER) (2.24)، بهره وری انرژی (EP) (0.04 کیلوگرم MJ-1)، انرژی ویژه (SE) (26.83 MJ kg-1) و انرژی خالص هستند. افزایش (NEG) (33222.16 MJ kg-1). با توجه به نتایج، خوراک ماهی و برق دو عامل از نهاده های مصرف انرژی هستند که مدیریت صحیح آنها باعث افزایش بهره وری انرژی می شود. نسبت سود به هزینه برای ماهی های سردآبی (54/1) و ماهی های گرمابی (45/2) مثبت بود. بهره وری ماهیان سردآبی و گرمابی به ترتیب 0.58 کیلوگرم -1 دلار و 0.52 کیلوگرم -1 دلار بود. نتایج ANN ها نشان داد که R2 از 0.947 تا 0.993 به طور کلی، از 0.912 تا 0.964 برای مرحله آموزش و از 0.978 تا 0.980 برای مرحله آزمایش در مورد ماهی های سردآبی متغیر است. در مورد ماهیان گرمابی، این مقادیر به ترتیب 0.885-0.998، 0.923-0.952 و 0.952-0.995 بود. بنابراین، شبکه های عصبی مصنوعی می توانند برای پیش بینی انرژی خروجی و بهره وری اقتصادی استفاده شوند.