کاربرد مدلهای شبکه عصبی مصنوعی (MLP و RBF) و ماشین بردار پشتیبان (SVM) به منظور تخمین میزان سایه در جمع کننده های خورشیدی صفحه تخت در ایران
محل انتشار: مجله مهندسی بیوسیستم ایران، دوره: 52، شماره: 2
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 283
فایل این مقاله در 13 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_IJBSE-52-2_003
تاریخ نمایه سازی: 31 اردیبهشت 1402
چکیده مقاله:
در این تحقیق از مدل شبکه عصبی مصنوعی و رگرسیون بردار پشتیبان به منظور تخمین میزان سایه در جمع کننده صفحه تخت خورشیدی با توجه به شرایط جغرافیایی ایران استفاده شد. دو نوع الگوریتم آموزش LM و BR همراه با تابع انتقال تانژانت سیگموئیدی و تعداد متنوعی از نورونها در لایه پنهان همراه با مدل اعتبارسنجی تقاطعی به منظور ایجاد مجموعه داده های تصادفی مورد استفاده قرار گرفت. نتایج نشان داد که مدل MLP با الگوریتم آموزشی BR و ساختار (۱-۲۳-۵) می تواند داده هایی با دقت بالا و شبیه به مقادیر واقعی ایجاد کند. میانگین آمارههای MAPE و R۲ برای مدل فوق به ترتیب ۱۰/۰±۴۲/۰ درصد و ۰۱/۰±۹۹/۰، برآورد شد و نتایج آماری مقایسه میانگین، واریانس و توزیع آماری در سطح احتمال ۹۵% بین داده های واقعی و مقادیر پیش بینی شده، معنی دار نبودند. نتایج آنالیز حساسیت نشان داد که فاصله صفحه جاذب تا پوشش شیشه ای مهم ترین فاکتور تاثیرگذار بر ایجاد سایه است.
کلیدواژه ها:
نویسندگان
مرتضی تاکی
Department of agricultural machinery and mechanization- Agricultural Sciences and Natural Resources University of Khuzestan-Mollasani
روح اله فرهادی
Department of Agricultural Machinery and Mechanization, Agricultural Sciences and Natural Resources University of Khuzestan, Mollasani, Iran
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 :