Forecasting Operational Parameters of a Solar Space Heating System using a Novel Multistage Artificial Neural Network
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 321
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ADMTL-11-2_008
تاریخ نمایه سازی: 13 اردیبهشت 1400
چکیده مقاله:
In this study, several operational parameters of a solar energy system are predicted through using a multistage ANN model. To achieve the best design of this model, three different back-propagation learning algorithms, i.e. Levenberg-Marquardt (LM), Pola-Riber Conjugate Gradient (CGP) and the Scaled Conjugate Gradient (SCG) are utilized. Further, to validate the ANN results, some experimental tests have been done in winter ۲۰۱۶ on a solar space heating system (SSHS) equipped with a parabolic trough collector (PTC). In the proposed model, ANN comprises three consecutive stages, while the outputs of each one are considered to be the inputs of the next. Results show that the maximum error rate in Stages ۱, ۲, and ۳ has occurred in the LM algorithm with respectively ۱۰, ۶, and ۱۰ neurons. Moreover, the best obtained determination coefficient of all stages belongs to the total system efficiency and has the value ۰.۹۹۹۹۳۴ for LM-۱۰. As a result, the multistage ANN model can simply forecast operational parameters of the solar energy systems with high accuracy.
کلیدواژه ها:
Multistage neural network ، Operational parameters ، Solar space heating system ، Total system efficiency
نویسندگان
Farnaz Jamadi
Department of physics, Sirjan university of technology
Behnam Jamali
Mechanical engineering, Sirjan University of Technology
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :