食品加工与技术杂志

抽象的

利用人工智能技术预测土地平整中的环境指标

伊沙姆·阿尔祖布

土地平整是整地和耕作中最重要的步骤之一。虽然用机器平整土地需要大量的能源，但它可以提供合适的地表坡度，同时最大限度地减少土壤的恶化以及对土壤中植物和其他生物的损害。尽管如此，近年来，研究人员一直试图使用新技术来减少化石燃料的消耗及其有害的副作用，例如：人工神经网络 (ANN)、帝国主义竞争算法 - ANN (ICA-ANN)、回归和自适应神经模糊推理系统 (ANFIS) 和敏感性分析，这将显著改善环境。在本研究中，研究了各种土壤特性（例如路堤体积、土壤压缩系数、比重、含水量、坡度、沙百分比和土壤膨胀指数）对能耗的影响。这项研究包括从 3 个不同地区收集的 90 个样本。网格大小设置为伊朗卡拉季省农田中的 20 米（20*20）。本研究的目的是确定最佳线性模型自适应神经模糊推理系统 (ANFIS) 和敏感性分析，以预测土地平整的能量消耗。根据敏感性分析的结果，只有三个参数：密度、土壤压缩性系数和路堤体积指数对燃料消耗有显著影响。根据回归的结果，只有三个参数：坡度、挖填体积 (V) 和土壤膨胀指数 (SSI) 对能耗有显著影响。使用自适应神经模糊推理系统可以成功预测劳动力能量、燃料能量、总机械成本和总机械能量。与 ANN 相比，所有 ICA-ANN 模型都具有更高的预测精度，因为它们具有更高的 R2 值和更低的 RMSE 值。使用统计指标 (RMSE、R2) 评估了多元 ICA-ANN 和回归和人工神经网络以及敏感性分析和自适应神经模糊推理系统 (ANFIS) 模型的性能。 ICA-ANN 模型得出的 RMSE 和 R2 值分别为劳动力能量（0.0146 和 0.9987）、燃料能量（0.0322 和 0.9975）、总机械成本（0.0248 和 0.9963）、总机械能量（0.0161 和 0.9987），而多元回归模型的这些参数分别为劳动力能量（0.1394 和 0.9008）、燃料能量（0.1514 和 0.8913）、总机械成本 (TMC)（0.1492 和 0.9128）、总机械能量（0.1378 和 0.9103）。而 ANN 模型的这些参数分别为劳动力能量（0.0159 和 0.9990）、燃料能量（0.0206 和 0.9983）、总机械成本（0.0287和 0.9966)、机械总能量 (0.0157 和 0.9990)，而敏感性分析模型的这些参数分别为劳动力能量 (0.1899 和 0.8631)、燃料能量 (0.8562 和 0.0206)、机械总成本 (0.1946 和 0.8581)，总机械能量（0.1892和0.8437），而ANFIS模型的这些参数分别为劳动力能量（0.0159和0.9990），燃料能量（0.0206和0.9983），总机械成本（0.0287和0.9966），总机械能量（0.0157和0.9990），结果表明，隐藏层具有七个神经元的ICA_ANN效果更好。