تعداد نشریات | 44 |
تعداد شمارهها | 1,323 |
تعداد مقالات | 16,269 |
تعداد مشاهده مقاله | 52,952,023 |
تعداد دریافت فایل اصل مقاله | 15,622,470 |
بررسی کارایی تولید محصولات زیربخشهای زراعت و باغبانی در استان خراسان رضوی: کاربرد روشهای ترکیبی شبکه عصبی مصنوعی و الگوریتم خوشه بندی فازی | ||
دانش کشاورزی وتولید پایدار | ||
مقاله 4، دوره 20، شماره 4، بهمن 1389، صفحه 37-51 اصل مقاله (240.45 K) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
حمید طاهرپور؛ ناصر شاهنوشی* ؛ محمود دانشور؛ محبت محبی | ||
دانشگاه فردوسی مشهد | ||
چکیده | ||
بررسی اجمالی وضعیت منابع طبیعی در استان خراسان نشان میدهد که این بخش با مشکلاتی از قبیل بیلان منفی آب، شوری خاک و فرسایش در دشتهای استان روبروست. این مطالعه در نظر دارد، ضمن توجه به ملاحظات مربوط به استفاده پایدار از منابع آب به محاسبه کارایی فنی شهرستانهای استان در زیر بخشهای زراعت و باغبانی بپردازد. دادههای این مطالعه مربوط به سالهای 76، 81 تا 83 و 85 میباشد که از آمارنامه جهاد کشاورزی و سازمان آب منطقهای خراسان رضوی جمعآوری شده است. روش استفاده شده برای محاسبه کارایی فنی الگوریتم ترکیبی شبکه عصبی و خوشهبندی فازی میباشد. میانگین کارایی فنی در شرایط عدم توجه به ملاحظات مربوط به استفاده پایدار از منابع آب 74 درصد و در شرایط توجه به ملاحظات مربوط به استفاده پایدار از منابع آب 77 درصد است. علاوه بر این ضریب همبستگی رتبهبندی کارایی شهرستانها در دو حالت فوق نشان میدهد که توجه به ملاحظات مربوط به استفاده پایدار از منابع آب میتواند ارزیابی کارایی فنی شهرستانهای استان خراسان رضوی را دگرگون سازد. | ||
کلیدواژهها | ||
الگوریتم خوشهبندی فازی؛ تولیدات زراعی و باغی؛ خراسان رضوی؛ شبکه عصبی مصنوعی؛ کارائی فنی | ||
مراجع | ||
منهاج م. 1379. مبانی شبکههای عصبی. نشر دانشگاه صنعتی امیر کبیر. نجفی ب و طرازکار مح، 1385. پیشبینی میزان صادرات پسته ایران: کاربرد شبکه عصبی مصنوعی. فصلنامه پژوهشهای اقتصادی شماره 39، صفحههای 191 -214. Athanassopoulos AD and Curram SP, 1996. A comparison of data envelopment analysis and artificial neural networks as tool for assessing the efficiency of decision making units. Journal of the Operational Research Society 47: 1000–1016. Azadeh A, Ghaderi SF, Anvari M Saberi M, and Izadbakhsh H, 2007. An integrated artificial neural network and fuzzy clustering algorithm for performance assessment of decision making units. Applied Mathematics and Computation 187: 584–599. Bezdek JC, 1981. Pattern recognition with fuzzy objective function algoritms. Plenum Press, New York. Dunn JC, 1973. A fuzzy relative of the ISODATA process and its use in detecting compact well-separated clusters. Journal of Cybernetics 3: 32-57 Fried HO, Lovell CAK and Schmidt SS, 2008. The measurement of productive efficiency and productive growth. OxfordUniversityPress, US. Food and Agriculture Organization of the United Nations. 1986. The FAO agricultural production index. Statistics Division, Food and Agriculture Organization of the United Nations. Hampshire JB and Waibel AH, 1990. A novel objective function for improved phoneme recognition using time-delay neural networks, IEEE Trans Neural Netw 2:216-228. Kloezen WH and Garces RC, 1998. Assessing irrigation performance with comparative indicators: the case of the Alto Rio Lerma irrigation district, Mexico. International Water Management Institute (IWMI). Research Report No. 22. Colombo, Sri Lanka. Santin D, Delgado FJ and Valino A, 2004. The measurement of technical efficiency: a neural network approach. Applied Economics 36: 627–635. Wang S, 2003. Adaptive non-parametric efficiency frontier analysis: a neural-network-based model. Computers & Operations Research 30: 279-295.
| ||
آمار تعداد مشاهده مقاله: 1,869 تعداد دریافت فایل اصل مقاله: 1,109 |