ارائه مدل شبکه عصبی برای پیشب بینی عملکرد کلکتور خورشیدی صفحهت تخت با استقاده از داده های مدل ریاضی
محل انتشار: دومین همایش ملی مدیریت انرژی های نو و پاک
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 979
فایل این مقاله در 15 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:
ENERGYBON02_097
تاریخ نمایه سازی: 1 آذر 1394
چکیده مقاله:
شبکه های عصبی مصنوعی از مباحث جدیدی است که دانشمندان علوم کامپویتر به آن علاقه مند شده اند و برای پیشرفت هرچند بیشتر علوم کامپیوتر وقت و هزینه زیادی را صرف آن کرده و می کنند. در واقع ساختار کلی شبکه عصبی مصنوعی از شبکه بیولوژیکی مغز انسان الهام گرفته است. شبکه عصبی با پردازش روی داده ها قوانین کلی را فرا می گیرد و خروجی شبکه با خروجی های مطلوب(اندازه گیری شده) مقایسه می شود. در ابتدا با استفاده از داده ها و مقادیر اندازه گیری شده موجود، شبه آموزش داده می شود. این مدل ها قادرند رابطه میان ورودی ها و خروجی های یک سیستم فیزیکی را توسط شبکه هایی از گره ها که همگی به هم متصل هستند، تعیین نمایند که در آن میزان فعالیت هر یک از این اتصالات توسط اطلاعات تاریخی تنظیم می شود (فرآیند آموزش) و در نهایت مدل قادر خواهد بود قوانین مرتبط میان ورودی ها و خروجی ها را کشف نماید، هر چند قوانین غیر خطی و پیچیده باشند.که در این مقاله با استفاده از مدل ریاضی کلکتور خروشیدی صفحه تخت، مدل شبکه عصبی مناسبی را جهت پیش بینی پارامترهای مختلف عملکرد کلکتور ارائه می دهیم. که پارامترهای دبی جرمی و فاصلی بین پوشش اول و دوم و پوشش دوم با صفحه جاذب به عنوان ورودی در نظر گرفته می شوند و خروجی شبکه عصبی، بازده حرارتی می باشد.
کلیدواژه ها:
نویسندگان
سمیرا عباسی
دانشجوی کارشناسی ارشد مهندسی مکانیک بیوسیستم، دانشگاه محقق اردبیلی
بهمن نجفی
دانشیار گروه مهندسی مکنیک بیوسیستم، دانشگاه محقق اردبیل
شهرام جمالی
دانشیار گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه محقق اردبیل
علی قاسمی مرزبانی
دانشجوی دکترای مهندسی برق، دانشگاه محقق اردبیل
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 :