食品加工および技術ジャーナル

概要

人工知能技術を用いた土地の整地における環境指標の予測

イシャム・アルズブ

土地の均しは、土壌の準備と耕作において最も重要なステップの 1 つです。機械による土地の均しには相当のエネルギーが必要ですが、土壌の劣化や土壌内の植物やその他の生物へのダメージを最小限に抑えながら、適切な表面傾斜を実現します。それにもかかわらず、近年の研究者は、人工ニューラル ネットワーク (ANN)、帝国主義競合アルゴリズム –ANN (ICA-ANN)、回帰および適応型ニューロ ファジー推論システム (ANFIS)、感度分析などの新しい技術を使用して、化石燃料の消費とその有害な副作用を削減しようと試みており、環境の顕著な改善につながります。この研究では、盛土量、土壌圧縮係数、比重、水分含有量、傾斜、砂の割合、土壌膨張指数などのさまざまな土壌特性がエネルギー消費に与える影響を調査しました。この研究は、3 つの異なる地域から収集された 90 のサンプルで構成されていました。グリッド サイズは、イランのカラジ州の農地から 20 m 四方 (20*20) に設定されました。この研究の目的は、土地の均しにかかるエネルギー消費を予測するために、最適な線形モデルである適応型ニューロ ファジー推論システム (ANFIS) と感度分析を決定することでした。感度分析の結果によると、密度、土壌圧縮係数、盛土体積指数の 3 つのパラメーターのみが燃料消費に大きな影響を与えました。回帰分析の結果によると、傾斜、切盛土体積 (V)、土壌膨張指数 (SSI) の 3 つのパラメーターのみがエネルギー消費に大きな影響を与えました。労働エネルギー、燃料エネルギー、総機械コスト、総機械エネルギーの予測に適応型ニューロ ファジー推論システムを使用することは、うまく実証できます。ANN と比較して、すべての ICA-ANN モデルは、R2 値が高く、RMSE 値が低いため、予測の精度が高くなりました。多変量ICA-ANNと回帰および人工ニューラルネットワークと感度分析および適応型ニューロファジー推論システム（ANFIS）モデルのパフォーマンスは、統計指標（RMSE、R2）を使用して評価されました。 ICA-ANNモデルによって得られたRMSEとR2の値は、それぞれ労働エネルギー（0.0146と0.9987）、燃料エネルギー（0.0322と0.9975）、総機械コスト（0.0248と0.9963）、総機械エネルギー（0.0161と0.9987）であったが、多変量回帰モデルのこれらのパラメータは、それぞれ労働エネルギー（0.1394と0.9008）、燃料エネルギー（0.1514と0.8913）、総機械コスト（TMC）（0.1492と0.9128）、総機械エネルギー（0.1378と0.9103）であった。ANNモデルのこれらのパラメータは、それぞれ労働エネルギー（0.0159と0.9990）、燃料エネルギー（0.0206と0.9983）、総機械コスト（0.0248と0.9963）、総機械エネルギー（0.0161と0.9987）であった。機械コスト（0.0287と0.9966）、機械総エネルギー（0.0157と0.9990）であり、感度分析モデルのこれらのパラメータは、労働エネルギー（0.1899と0.8631）、燃料エネルギー（0.8562と0.0206）、機械総コスト（0.1946と0.8581）であった。総機械エネルギー (0.1892 と 0.8437) に対して、ANFIS モデルのこれらのパラメーターは、それぞれ労働エネルギー (0.0159 と 0.9990)、燃料エネルギー (0.0206 と 0.9983)、総機械コスト (0.0287 と 0.9966)、総機械エネルギー (0.0157 と 0.9990) でした。結果は、隠れ層に 7 つのニューロンを持つ ICA_ANN の方が優れていることを示しました。