مقاله پیش بینی هزینه های نگهداری و تعمیر ماشین برداشت نیشکر فعال در ایران با استفاده ار شبکه عصبی مصنوعی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله پیش بینی هزینه های نگهداری و تعمیر ماشین برداشت نیشکر فعال در ایران با استفاده ار شبکه عصبی مصنوعی دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله پیش بینی هزینه های نگهداری و تعمیر ماشین برداشت نیشکر فعال در ایران با استفاده ار شبکه عصبی مصنوعی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله پیش بینی هزینه های نگهداری و تعمیر ماشین برداشت نیشکر فعال در ایران با استفاده ار شبکه عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله پیش بینی هزینه های نگهداری و تعمیر ماشین برداشت نیشکر فعال در ایران با استفاده ار شبکه عصبی مصنوعی :

تعداد صفحات:۸
چکیده:
مدیریت ماشین ها و تجهیزات سنگین وظیفه ی بسیار دشواری می باشد. یک مدیر اغلب باید تصمیم گیری پیچیده ی اقتصادی درارتباط با هزینه های ماشینهای کشاورزی اتخاذ کند. این تصمیم گیری ها عبارتند از : مالکیت ماشین، نگهداری، تعمیرات، جایگزینی و منسوخ شدن ماشین ها (Mitchel et al., 1998) . هزینهای نگهداری و تعمیرات می تواند اثرات قابل ملاحظه ای در تصمیم گیری های اقتصادی . پیش بینی داشته باشد. هدف از انجام این تحقیق ریال پیش بینی هزینه های تگهداری و تعمیر ماشین هاب برداشت نیشکر کورد استفاده د رکشت و صنعت دعبل خزاعی خوزستان بود. متغیر مستقل در مدل ریاضی، ساعات کارکرد تجمعی ماشین برداشت نیشکر و متغیر وابسته ، هزینه های نگهداری و تعمیرات بر حسب درصدی از قیمت خرید اولیه می باشد. در ایم راستا، گزارش های سرویس و تعمیرات موجود در دفتر فنی واحد تجهیزات مکانیکی کشت و صنعت ، مربوط به ۲۴ دستگاه ماشین برداشت نیشکر HCH 300 HEPCO در یک دوره ده ساله (۱۳۸۰ تا ۱۳۸۹) بررسی گردید. با استفاده از شبکه عصبی مصنوعی، مدل عصبی برای ماشین های براداشت نیشکر بهینه شد و با استافده از شاخص های آماری ضریب همبستگی (R) و متوسط قدر مطلق درصد خطا (MAPE) مدل به دست آمده مورد ارزیابی قرار گرفت و در نهایت مدل شبکه عصبی با تعداد ۱۲ نرون در لایه مخفی به عنوان بهینه ترین مدل انتخاب گردید. مدل عصبی به دست آمده با ضریب همبستگی ۰/۹۹۳۵۸ در فاز آزمایش و ۰/۹۹۵۱۶ در فاز آموزش توانست تمام هزینه های ماشین های برداشت نیشکر مورد مطالعه را با دقت بسیار بالایی تخمین بزند.