| تعداد نشریات | 286 |
| تعداد نشریات سازمان | 84 |
| تعداد شماره‌ها | 3,006 |
| تعداد مقالات | 33,642 |
| تعداد مشاهده مقاله | 44,581,175 |
| تعداد دریافت فایل اصل مقاله | 31,801,282 |
تعیین کارایی شبکه‌های آبیاری و زهکشی کارون بزرگ با استفاده از روش تحلیل پوششی داده‌ها با پارامترهای کنترل‌کننده میزان محافظه‌کاری | ||
| تحقیقات مهندسی سازه های آبیاری و زهکشی | ||
| مقاله 4، دوره 20، شماره 76، مهر 1398، صفحه 37-56 اصل مقاله (1.95 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/idser.2018.122302.1332 | ||
| نویسندگان | ||
| مصطفی مردانی نجف آبادی* 1؛ عباس عبدشاهی2؛ معصومه فروزانی3؛ منیره زینالی4 | ||
| 1استادیار گروه اقتصاد کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، اهواز، ایران | ||
| 2دانشیار گروه اقتصاد کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، اهواز، ایران | ||
| 3استادیار گروه ترویج و آموزش کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، اهواز، ایران | ||
| 4مربی دانشگاه فنی و حرفه ای ارومیه، ارومیه، ایران | ||
| چکیده | ||
| مطالعات نشان میدهد که عملکرد بسیاری از شبکه‌های آبیاری و زهکشی موجود بنا به دلایلی مانند نقص در طراحی و اجرا و نبود مدیریت مناسب، کمتر از حد انتظار است. وجود عوامل مؤثر متعدد بر عملکرد این شبکه‌ها، مسئله ارزیابی را پیچیده کرده است. یکی از روش‌های بسیار کارآمد در زمینۀ ارزیابی کارایی، روش تحلیل پوششی داده‌هاست. البته فرض دقیق و معین بودن داده‌های مورد استفاده در این روش، باعث ایجاد محدودیت‌هایی در استفاده از آن می‌شود. از این‌رو، در مطالعۀ حاضر برای تعیین کارایی فنی، کارایی مقیاس و کارایی فنی خالص در چهار شبکه آبیاری و زهکشی کارون بزرگ با در نظر گرفتن مسئلۀ عدم حتمیت در داده‌ها، از روش تحلیل پوششی داده‌ها با پارامترهای کنترل‌کنندۀ میزان محافظه‌کاریاستفاده شد. نتایج بررسیها نشان میدهد که در سطح احتمال 50 درصد انحراف از محدودیت، شبکۀ آبیاری و زهکشی گتوند و شمال شرق اهواز بهترتیب با میانگین 1 و 52/0 امتیاز، بیشترین و کمترین کارایی را دارند. بررسی علل ناکارایی در شبکه‌ها نشان میدهد که هزینه‌های پرسنلی و تعمیر و نگهداری بیشترین تأثیر را بر این امر داشته بهنحوی که درصد اختلاف میان مقدار واقعی و مطلوب این دو نهاده بهترتیب 48 و 41 درصد است. برای اطمینان خاطر تصمیم‌گیرندگان در بهکارگیری نتایج حاصل از مطالعه، با استفاده از شبیه‌سازی مونت‌کارلو، اعتبار روش مذکور سنجیده شد. نتایج بهدست آمده بیانگر توانمندی مدل تحلیل پوششی داده‌ها با پارامترهای کنترل‌کنندۀ میزان محافظه‌کاری در مقابل داده‌های نامطمئن است. | ||
| کلیدواژه‌ها | ||
| ارزیابی عملکرد؛ تحلیل پوششی داده‌های استوار؛ شبیه‌سازی مونت‌کارلو؛ عدم حتمیت | ||
| عنوان مقاله [English] | ||
| Determining the efficiency of Great Karun irrigation and drainage networks using data envelopment analysis method with conservatism control parameters | ||
| نویسندگان [English] | ||
| Mostafa Mardani Najafabadi1؛ Abas Abdeshahi2؛ Masoumeh Forouzani3؛ Monireh Zeinali4 | ||
| 1Department of Agricultural Economics, Khuzestan Agriculture Sciences and Natural Resources University, Mollasani, Ahvaz, Iran. | ||
| 2Department of Agricultural Economics, Khuzestan Agriculture Sciences and Natural Resources University, Mollasani, Ahvaz, Iran. | ||
| 3Department of Agricultural Extension and Education, Khuzestan Agricultural Sciences and Natural Resources University, Mollasani, Ahvaz, Iran. | ||
| 4Urmia Technical and Vocational School | ||
| چکیده [English] | ||
| Different studies show that the performances of many irrigation and drainage networks are less than what expected due to design and implementation defects and lack of proper management. On the other hand, the existence of several effective factors in the performances of these networks has made their evaluation as a complicated issue. Data Envelopment Analysis (DEA) is one of the most effective methods to evaluate efficiency. Of course, the precise and accuracy assumption of the data has restricted the use of this model. Therefore, in this study, Data Envelopment Analysis with conservative control parameters (RDEA) were used to determine the technical, scale, and pure technical efficiency of 4 irrigation and drainage networks of Great Karun with considering the uncertainty problem in the data. The results showed that at the level of 50% probability of deviation, Gotvand and Northwest Ahwaz irrigation and drainage network with the mean score of 1 and 0.52 have the highest and lowest efficiency, respectively. Investigating the causes of inefficiencies in the networks showed that personnel costs and maintenance cost had the highest impact on this way, so that the difference between actual use and the optimal level of these two inputs are 48% and 41% respectively. Finally, to validate decision makers in using the results, validation of the method was performed by Monte Carlo simulation. The results of this simulation indicated the ability of the RDEA model against uncertain data. | ||
| کلیدواژه‌ها [English] | ||
| Monte Carlo Simulation, Performance Evaluation, Robust Data Envelopment Analysis, Uncertainty | ||
| مراجع | ||
|
miri, M., Alimi, A. and Abtahi, H. 2007. Providing a model for data envelopment analysis to obtain common weights using fuzzy logic. J. of Indust. Manage. Stud. 6(17): 135-151. (in Persian)
Anon. 1980. Methodology for area wide planning studies. Engineer Technical Letter No. 1110-2-502. US. Army Corps of Engineers. Washington, D.C.
Anon. 2015. ARKI Consulting and Development. GAMS/CONOPT3. Bagsvaerdvej 246A, DK-2880 Bagsvaerd, Denmark.
Azizi, H. 2013. A note on data envelopment analysis with missing values: an interval DEA approach. Int. J. Adv. Manuf. Tech. 66(9-12): 1817–1823.
Babaei, M., Paknejad, H., Mardani, M. and Salarpour, M. 2012. Evaluation of productivity of crops in Jahrom city using interval data envelopment analysis. J. Oper. Res. Appl. 9(4): 23-32. (in Persian)
Banker, R. D., Charnes, A. and Cooper, W. W. 1984. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis. Manage. Sci. 30(9): 1078-1092.
Ben-Tal, A. and Nemirovski, A. 1999. Robust solutions of uncertain linear programs. Oper. Res. Let. 25(1): 1-13. Ben-Tal, A. and Nemirovski, A. 2000. Robust solutions of linear programming problems contaminated with uncertain data. Math. Program. 88(3): 411-424.
Bertsimas, D. and Sim, M. 2004. The Price of robustness. Oper. Res. 52(1): 35-53.
Chambers, R. 1983. Rapid appraisal for improving existing canal irrigation systems. Int. J. Water Res. Dev. 3(1): 73-87.
Charnes, A., Cooper, W. W., Golany, B., Seiford, L. and Stutz, J. 1985. Foundations of data envelopment analysis for Pareto-Koopmans efficient empirical production functions. Journal Econom. 30(1): 91-107.
Chen, Y. and Zhu, J. 2003. DEA Models for identifying critical performance measures. Ann. Oper. Res. 124(1-4): 225-244.
Chung, G., Lansey, K. and Bayraksan, G. 2009. Reliable water supply system design under uncertainty. Environ. Model. Softw. 24(4): 449-462.
Dahimavi, A. and Ahvazian, H. 2009. Investigating the results of designing and implementing the irrigation management transfer process to water users' organizations in Khuzestan Water and Power Organization. Second National Conference on Irrigation and Drainage Management. Jan. 20. Ahvaz, Iran. (in Persian)
Dedrick, A. R., Bautista, E., Clyma, W., Levine, D. B., Rish, S. A. and Clemmens, A. J. 2000. Diagnostic analysis of the Maricopa-Stanfield irrigation and drainage district area. Irrig. Drain. Syst. 14(1-2): 41-67.
El Ghaoui, L., Oustry, F. and Lebret, H. 1998. Robust solutions to uncertain semidefinite programs. SIAM J. Optimiz. 9(1): 33–52.
Esfanjari-Kenari, R. and Zibaei, M. 2012. Study of technical efficiency and technology gap of Iranian livestock breeding units. Econ. Agric. Dev. Res. 26(4): 252-260. (in Persian)
Hatami-Marbini, A., Agrell, P. J., Tavana, M. and Khoshnevis, P. 2017. A flexible cross-efficiency fuzzy data envelopment analysis model for sustainable sourcing. J. Clean. Prod. 142, 2761-2779.
Khalkhali, M., Monem, M. and Ebrahimi, K. 2008. Designing a decision support model for assessing and improving the performance of irrigation and drainage networks. J. Agric. Eng. Res. 9(1): 125-140. (in Persian)
Karimi, F., Pirasteh, H. and Zahedi Keyvan, M. 2008. Determination of wheat agriculture efficiency based on two time and risk factors using interval data envelopment analysis and window data envelopment analysis. Agric. Econ. Dev. 16(64): 139-159. (in Persian)
Lertworasirikul, S., Fang, S. C. Joines, J. and Nuttle, H. 2003. Fuzzy data envelopment analysis (DEA): a possibility approach. Fuzzy Set. Syst. 139(2): 379-394.
Liu, F. H. F. and Peng, H. 2008. Ranking of units on the DEA frontier with common weights. Comput. Oper. Res. 35(5): 1624-1637.
Malano, H., Burton, M. and Makin, I. 2004. Benchmarking performance in the irrigation and drainage sector: a tool for change. Irrig. Drain. 53(2): 119-133.
Mardani, M. and Salarpour, M. 2015. Measuring technical efficiency of potato production in Iran using robust data envelopment analysis. Inform. Process. Agric. 2(1): 6-14.
Mardani, M. and Ziaei, S. 2015. Determination of the effectiveness of wheat farms in Neyshabur city under uncertainty. Econ. Agric. Dev. Res. 30(2): 136-147. (in Persian)
Mardani, M., Sargazi, A. and Sabouhi, M. 2013. Study of the efficiency of Sistan wheat farms by combining the optimization model with conservative control parameters and data envelopment analysis. Agric. Econ. Dev. 27, 55-68. (in Persian)
Monem, M., Alirezaei, M. and Salehi, A. 2002. Evaluation of efficiency of irrigation networks using data envelopment analysis. J. Soil Water (Agric. Sci. Tech.). 6(4): 11-26. (in Persian)
Olesen, O. B. and Petersen, N. C. 2016. Stochastic data envelopment analysis-A review. Eur. J. oper. Res. 251(1): 2-21.
Ramezani-Tarkhorani, S., Khodabakhshi, M., Mehrabian, S. and Nuri-Bahmani, F. 2014. Ranking decision-making units using common weights in DEA. Appl. Math. Model. 38(15): 3890-3896.
Sabouhi, M. and Mardani, M. 2017. Linear robust data envelopment analysis: CCR model with uncertain data. Int. J. Prod. Qual. Manage. 22(2): 262-280.
Shokouhi, A. H., Hatami-Marbini, A., Tavana, M. and Saati, S. 2010. A robust optimization approach for imprecise data envelopment analysis. Comput. Indust. Eng. 59(3): 387-397.
Small, L. E. and Svendsen, M. 1990. A framework for assessing irrigation performance. Irrig. Drain. Syst. 4(4): 283-312.
Smirlis, Y. G., Maragos, E. K. and Despotis, D. K. 2006. Data envelopment analysis with missing values: An interval DEA approach. Appl. Math. Comput. 177(1): 1-10.
Tsionas, E. G. 2003. Combining DEA and stochastic frontier models: An empirical Bayes approach. Eur. J. Oper. Res. 147(3): 499-510.
Yaghobi, F., Jamialahmadi, M., Bakhshi, M., Zahan, S. and Hasan, M. 2014. Comparison of technical and economic performance indicators of water use in wheat and saffron production in Qaenat city. Saffron Agric. Tech. 3(4): 225-236. (in Persian)
Yilmaz, B., Yurdusev, M. A. and Harmancioglu, N. B. 2009. The Assessment of irrigation efficiency in Buyuk Menderes basin. Water Res. Manage. 23(6): 1081-1095.
Zahmatkesh, M. and Montazer, A. A. 2011. Evaluation of the performance of a number of irrigation networks in the world using a comparative method and data mining analysis. J. Soil Water (Agric. Sci. Tech.). 25(5): | ||
|
آمار تعداد مشاهده مقاله: 504 تعداد دریافت فایل اصل مقاله: 337 |
||