The purpose of this study is to determine energy consumption of input and output used in potato production, and making an economical analysis in Ardabil, Iran. For this purpose, the data were collected from 100 potato farms in Ardabil, Iran. Inquiries were conducted in a face-to-face interviewing November–December 2006 period. Farms were selected based on random sampling method. The results indicated that total energy inputs were 81624.96 MJ ha−1. About 40% of this was generated by chemical fertilizers, 20% from diesel oil and machinery. About 82% of the total energy inputs used in potato production was indirect (seeds, fertilizers, manure, chemicals, machinery) and 18% was direct (human labor, diesel). Mean potato yield was about 28453.61 kg ha−1, it obtained under normal conditions on irrigated farming, and taking into account the energy value of the seed, the net energy and energy productivity value was estimated to be 20808.03 MJ ha−1 and 0.35, respectively, and the ratio of energy outputs to energy inputs was found to be 1.25. This indicated an intensive use of inputs in potato production not accompanied by increase in the final product. Cost analysis revealed that total cost of production for one hectare of potato production was 3267.17 $. Benefit–cost ratio was calculated as 1.88.

This study was conducted to determine the energy balance between the energy inputs and yield for apple production in Tehran, Iran. For this purpose the data were collected from 56 apple orchards. The following results were obtained from this study: The total energy input of 42819.25 MJ ha−1 was required for apple production. The share of diesel fuel by 21.88% of the total energy inputs was the highest energy input. This was followed by farmyard manure (17.66%) and electricity (13.09%), respectively. The energy use efficiency, energy productivity, Specific energy, and net energy were found as 1.16, 0.49 kg MJ−1, 2.06 MJ kg−1 and 7038.18 MJ ha−1, respectively. According to the research results, the contribution of direct energy was higher than that of indirect energy; also the share of non-renewable energy was more than that of renewable energy. The results of econometric model estimation revealed that the impact of farmyard manure, water for irrigation, electricity, chemical fertilizer and human labour energy inputs were significantly positive on yield. The results of sensitivity analysis of the energy inputs showed that the MPP value of water for irrigation was the highest, followed by human labour and chemicals energy inputs, respectively.

The co-gasification of biomass feedstocks with coal offers a promising approach to enhancing syngas quality while mitigating the environmental impacts of traditional coal gasification. However, experimental determination of the optimal biomass/coal blending ratio and operational parameters is often resource-intensive. To address this challenge, modeling techniques are invaluable for optimizing biomass-coal co-gasification. This study aims to develop a machine learning (ML) model to optimize biomass-coal co-gasification. Additionally, an evolutionary algorithm is employed for multi-objective optimization, targeting maximum H2 production and optimal performance for the Fischer-Tropsch process. A comprehensive dataset from reputable literature sources, covering a wide range of biomass/coal blending ratios under various process conditions, was compiled. The dataset underwent statistical analysis, and mechanistic discussions were included to elucidate the effects of each parameter on the process. Among the four ML models applied, gradient boosting regression demonstrated the best performance during the testing phase, achieving an R2 exceeding 0.92 and MAE and RMSE values lower than 2.92 and 3.39, respectively. For H2 production, optimal results were observed with steam yields and temperatures near 1480 °C, while air and temperatures around 1570 °C yielded the best outcomes for the Fischer-Tropsch process. A biomass/coal blending ratio between 50 % and 70 % was found to be suitable for almost all gasifying agents under both criteria. The process was also analyzed techno-economically based on optimal conditions, revealing that steam exhibits superior techno-economic performance compared to other gasifying agents.