دانشگاه تبریز نشریه مکانیزاسیون کشاورزی 2383-126X 4 1 2018 06 22 Modeling of Energy Consumption and Environmental Indices of Production and Processing of Tea with Regression and Artificial Neural Network Models مدل‌سازی مصرف انرژی و شاخص‌های زیست محیطی تولید برگ چای با استفاده از مدل‌های رگرسیونی و شبکه عصبی مصنوعی 15 25 7560 FA مجید خانعلی گروه مهندسی ماشین‌های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران حسین مبلی گروه مهندسی ماشین‌های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران حسن قاسمی مبتکر گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه تبریز مهرناز شرافت گروه مهندسی ماشین‌های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران Journal Article 2018 06 27 <strong>Abstract</strong> <br />In this research, modeling of energy consumption and environmental emissions for different process of tea production in Gilan province (Iran) were investigated using regression and artificial neural networks. Data related to agricultural and industrial activities of tea production chain were collected through questionnaire survey from tea farms of different counties in Guilan province. Also, the datatbank of agricultural organization, tea research institute and tea factories were collected. The results showed that the total energy input and output for green tea leaf production were 34343.51 and 10996.45 MJ/ha, respectively. Also, the total energy input for dry tea was obtained 64885.23 MJ/ton. The results of the life cycle assessment in tea farms revealed that the highest effect belonged to nitrogen in abiotic depletion, dcidification, eutrophication and global warming potential impacts. The survey of life cycle assessment in the tea processing factories illustrated that diesel fuel had the highest share in abiotic depletion, ozone layer depletion, human toxicity, fresh water aquatic ecotoxicity and photochemical oxidation impact categories. In acidification, eutrophication, global warming potential impacts, green leaf input had the highest share. Moreover, the highest share of marine aquatic ecotoxicity and terrestrial ecotoxicity was belonged to coated paper. The results of energy and environmental emissions modeling for green tea leaf production showed that artificial neural networks can predict the outputs and inputs with more accuracy than regression technique. <br />  <strong>چکیده</strong><br /> <strong>در این پژوهش، مدل‌سازی انرژی مصرفی و انتشار آلاینده‌های زیست‌محیطی در تولید چای در استان گیلان با استفاده از مدل‌های رگرسیونی و شبکه ‌عصبی مصنوعی انجام شد. داده‌های مورد نیاز مربوط به بخش کشاورزی و صنعتی تولید چای با استفاده از تکمیل پرسش­نامه در مزارع چای شهرستان‌های استان گیلان، بایگانی اسناد جهاد کشاورزی، موسسه تحقیقات چای، بازدید از کارخانه‌های تولید چای و مصاحبه با کارشناسان مربوطه به­دست آمد. نتایج نشان دادند که کل انرژی ورودی و خروجی در تولید برگ سبز چای به­ترتیب برابر با 51/34343 و 45/10996 مگاژول بر هکتار می‌باشد. همچنین کل انرژی ورودی برای تولید یک‌تن چای خشک برابر با 23/64885 مگاژول به­دست آمد. نتایج ارزیابی چرخه زندگی در مزارع چای نشان داد که در بخش‌های اثر تقلیل مواد غیرآلی، اسیدی شدن، اختناق دریاچه‌ای و گرمایش جهانی، بیش‌ترین تأثیر مربوط به نهاده‌های کود نیتروژن می‌باشد. بررسی ارزیابی چرخه زندگی در کارخانه‌های فرآوری چای نیز نمایانگر آن بود که بیش‌ترین میزان آلایندگی در بخش‌های اثر تقلیل مواد غیرآلی، نقصان لایه اوزون، مسمومیت انسان‌ها، مسمومیت آب‌های آزاد و اکسیداسیون فتوشیمیایی مربوط به سوخت دیزل، در بخش‌های اسیدی شدن، اختناق دریاچه‌ای، پتانسیل گرمایش جهانی مربوط به نهاده‌ برگ سبز چای و در بخش‌های اثر مسمومیت‌های آب‌های سطحی و خاک مربوط به کاغذ روکش‌دار بوده است. نتایج مدل‌سازی انرژی و انتشار آلاینده‌های زیست‌محیطی در تولید برگ سبز چای نشان دادند که با وجود دقت مناسب مدل‌های رگرسیونی، شبکه‌های عصبی مصنوعی می‌توانند با دقت بالاتری میزان انرژی خروجی و انتشار آلاینده‌های زیست‌محیطی در تولید برگ سبز چای را پیش‌بینی نمایند.</strong><br /> <strong> </strong><br /> <br /> <strong> </strong> https://jam.tabrizu.ac.ir/article_7560_fe4f9b0c0c1b99a93e377d0ee793cc00.pdf