سما عمید - دانشگاه محقق اردبیلی
ترحم مصری گندشمین - دانشگاه محقق اردبیلی
غلامحسین شاهقلی - دانشگاه محقق اردبیلی

مدیریت انرژی یکی از اصلی ترین راه های بهینه سازی مصرف منابع انرژی است. پیش بینی عملکرد محصولات بر اساس ورودی های انرژی می تواند به کشاورزان و سیاست گذاران به منظور برآورد سطح تولید کمک کند. داده های مورد نیاز برای مطالعه به طور تصادفی از ۷۰ مزرعه مرغ گوشتی در شمال غرب ایران جمع آوری گردید. انرژی های ورودی شامل نیروی انسانی، ماشین آلات، سوخت، خوراک و الکتریسیته و انرژی های خروجی تولید شده به عنوان متغیرهای خروجی در نظر گرفته شد. شبکه های عصبی پرسپترون چندلایه (MLP) و تابع با پایه شعاعی (RBF) به منظور پیش بینی انرژی های خروجی تولید مرغ گوشتی مورد استفاده قرار گرفت. با توجه به نتایج مقایسه به دست آمده از شاخص های ضریب تبیین (R۲)، جذر میانگین مربعات خطا (RMSE) و میانگین قدرمطلق خطا (MAE) عملکرد مدل شبکه عصبی RBF بهتر از شبکه عصبی MLP برآورد گردید. در ارزیابی تاثیرپذیری خروجی از نهاده های ورودی، در هر دو مدل سوخت فسیلی بالاترین حساسیت را در بین نهاده های تولیدی از خود نشان داد.

پیش بینی, حساسیت, مدیریت انرژی, منابع انرژی