بهبود کارایی مکا نیابی و پیش بینی توان خروجی مبدل های انرژی امواج توسط مفاهیم شبکه عصبی عمیق

مکانیابی بهینه، از جمله موارد بسیار تاثیرگذار جهت افزایش توان خروجی مبدلهای انرژی امواج محسوب می شود.پیش بینی دقیق توان خروجی این مبدلها جهت امکان سنجی ها ی اقتصادی و عملکردی بسیار حائز اهمیت می باشد.شبکه های عصبی بازگشتی مطرح شده تاکنون جهت پیش بینی توان خروجی مبدلهای انرژی امواج، به دلیل عدمتوان مدیریت وابستگی های بلندمدت در زمان آموز ش و یادگیری از کارایی کافی جهت این نوع پیش بینی برخوردارنمی باشند . در این پژوهش جهت بهبود کارایی مکانیابی و پیش بینی توان خروجی مبدل های انرژی امواج یکشبکه عصبی عمیق نوین طراحی، توسعه و اعتبارسنجی نموده ایم که با مدیریت بهینه وابستگی های بلندمدت د رنهایت موجب بهبود کارایی پیش بینی توان خروجی این مبدل ها خواهد شد. شبکه عصبی عمیق پیشنهادی وروش های مورد مقایسه پژوهش در محیط نرم افزار متلب و توسط ۲۸۸۰۰۰ نمونه از مجموعه داده های مطرح شدهتوسط بانک اطلاعاتی معتبر بین المللی دانشگاه ایروین کالیفرنیا (UCI)، مورد یادگیری و آزمون قرار گرفته است.میزان کارایی رو شها ی مورد مقا یسه پژوهش با استفاده از معیارهای ضریب تغییر ((R(۲)، خطای میانگین مربعات(MSE) و مجذور خطای میانگین مربعات (RMSE) محاسبه و مورد ارزیابی قرار گرفته است. مطابق نتایجحاصل شده از ارزیابی پژوهش، شبکه عصبی عمیق پیشنهادی با ضریب تغییری برابر با ۱۰۰ درصد، خطا ی میانگینمربعات برابر با ۸۶۸۱.۰۱۳۷ و مجذور خطای میانگین مربعات برابر با ۹۳.۱۷۱۹۵ کارایی پیش بینی توان خروجیمبدل های انرژی امواج را نسبت به روش های شبکه عصبی بازگشتی لونبرگ-مارکوارت، شبکه عصبی بازگشتیتنظیم بیزی، شبکه عصبی بازگشتی گرادیان مزدوج مقیاس شده، بهبود بخشیده و موجب بهبود مکانیابی اینمبدل ها خواهد شد.

کلیدواژه ها:

کارایی ، مکانیابی ، توان خروجی ، مبدل انرژی امواج ، شبکه عصبی عمیق