کاربرد روش هوشمند پرسپترون چند لایه هوشمند در شبیه سازی پارامترهای موثر بر عملکرد آب شیرین کن گلخانه آب دریایی به روش رطوبت زنی و رطوبت زدایی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 612

فایل این مقاله در 33 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

HWATER01_090

تاریخ نمایه سازی: 11 آبان 1395

چکیده مقاله:

امروزه به دلیل صنعتی شدن و رشد روز افزون جمعیت میزان تقاضا برای آب شیرین افزایش یافته است و کمبود آب به عنوان معضلی جدی در دنیا مطرح می باشد از طرف دیگر آبهای در دسترس یا خیلی شور هستند و یا آلوده که عملا استفاده از آنها را برای مصارف کشاورزی و آشامیدنی غیر ممکن می کند بنابراین نیاز به روش شیرین سازی آب بیش از پیش احساس می شود روشهای مختلف شیرین سازی طراحی و ساخته شده اند به جای تولید عظیم آب در سیستم های آب شیرین کن مدرن برای آبیاری مزارع با یک روش ارزان و ساده می توان با استفاده از ترویج آب شیرین کن خورشیدی و گلخانه آب مورد نیاز آن را بدست آورد گلخانه آب دریایی نوعی شیرین کن است که با استفاده از نور خورشید و آب دریا در فضای داخل گلخانه هوا را مرطوب کرده و از هوای مرطوب آب شیرین تولید می کند آب شیرین تولیدی هم به منظور آبیاری محصولات کشاورزی و هم مصرف شرب مورد استفاده قرار می گیرد پارامترهای زیادی بر عملکرد گلخانه آب دریایی تاثیر گذار هستند در این مطالعه با استفاده از روش هوشمند شبکه عصبی مصنوعی به بررسی پارامترهای عرض و طول گلخانه ارتفاع اواپراتور اول و ضریب گذردهی بر روی میزان آب تولیدی و مصرف انرژی در گلخانه آب دریایی پرداخته شده است روش هوشمند مورد استفاده MLP می باشد ساختار مناسبی برای این روش به دست آمد و برای ارزیابی عملکرد شبکه از آمارهای ریاضی AARE% ،RMSE و R2 استفاده شده است روش موجود تطبیق خوبی با داده های آزمایشگاهی دارند با استفاده از شبکه بهینه ایجاد شده تاثیر هر پارامتر بر میزان تولید آب شیرین و مصرف انرژی مورد ارزیابی قرار گرفت در نهایت گلخانه ای با 125 متر عرض 200 متر طول ارتفاع اواپراتور برابر 4 متر و ضریب گذردهی 0/6 که دارای آب شیرین تولیدی 161/6 متر مکعب در روز و 1/558 کیلووات ساعت بر متر مکعب مصرف انرژی می باشد به عنوان گلخانه آب دریایی بهینه معرفی شد

نویسندگان

طالب زارعی

عضو هیات علمی دانشگاه هرمزگان

رضا بهیاد

دانشجوی کارشناسی ارشد مهندسی شیمی

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 :
  • پا ی، ح‌عی کپن‌ری، ودشی‌ر، )1391(، »م‌س‌ی‌گ‌رما خ شی‌دی«، هج‌ل ...
  • _ ح‌سی‌ی، خد، )1383(، _ آب‌شی‌ریه‌که خ لشری‌دی«، 0ق‌ال ه ...
  • چ‌ال‌ک‌ش ا‌ری، گد، ) 1381(، _ آب، شش‌ارات اک‌ای، چ‌اپ‌فت‌ن‌ت ...
  • رک‌ای، اح‌ذص‌فق ج اگی‌ری، علقح‌سیی، )1391(، »آب‌شی‌ریه‌ک‌ه خ لشی‌دی چ‌گ‌و ...
  • ه اج، خهباقر، ب‌وی‌شی‌ک ای‌ع‌صی‌ی _ ه‌کس‌ش‌ر _ ای‌رکبیر، .1379 ...
  • گ‌ای، ه‌اییپتی، ی وث، ادب‌ی تبی‌ل، ه‌ارک، طراح‌شی‌ک ای _ ...
  • کیا، ص‌ف‌ی، شی‌ک ع‌ص‌ی در، MATLAB چ‌اپ س‌م، شش‌اراتکی‌ای را ...
  • پیکتی‌ف‌ای‌پ، غ‌ف‌ری، ه.ذی راک‌ات، ج‌وال، شی‌ک ای‌ع‌صی‌ی)اص ل ک‌ارک‌رد ا(، ...
  • راس‌ل‌بی‌ل، ج‌ک‌سی‌ت‌ام ال‌رزی، هح ود، شریط‌ی‌ب‌ای‌ک ایع‌صی‌ی، _ ش‌ی‌ف، .1393 ...
  • _ Confereicedoi _ M _ _ _ _ _ رگ‌یی ...
  • H. Sharon and K. S. Reddy, _ review of solar ...
  • M. Zamen, M. Amidpour, and M. R. Firoozjaei, _ novel ...
  • A. E. Kabeel and A M. Almagar, "Seawater Greenhouse In ...
  • C. Paton, "Seawater Greenhouse : A restorative approach to agriculture, ...
  • M. F. A. Goosen, I. Haffar, H. Al-hinai, and W. ...
  • P. A. Davies, _ seawater greenhouse and the watermaker condenser, ...
  • J. S. Perret, a. _ Al-Ismaili, and S. S. Sablani, ...
  • B. Dawoud, Y. H. Zurigat, B. Klitzing, T. Aldoss, and ...
  • H. Mahmoudi, S. A. Abdul-Wahab, M. F. A. Goosen, S. ...
  • T. Tahri, S. Abdul-Wahab, A. Bettahar, M. Douani, H. Al-Hinai, ...
  • T. Tahri, M. Douani, S. a. Abdul-Wahab, M. Amoura, and ...
  • K.-L. Du and M. N. S. Swamy, Neural networks in ...
  • M. H. Hassoun, Fundamentas of artificial neural networks. MIT press, ...
  • E. K. P. Chong and S. H. Zak, An introduction ...
  • L. N. de Castro and F. J. Von Zuben, "Optimised ...
  • A. Eskandari, R. A. Noori, and A. Kiaghadi, "Development model ...
  • Y. Liu, N. Hu, H. Wang, and P. Li, "Soft ...
  • S. Zaidi, "Development of support vector regression (SVR) -based model ...
  • B. E. Boser, I. M. Guyon, and V. N. Vapnik, ...
  • V. Vapnik, The nature of statistical learning theory. Springer Science ...
  • cascade-fo rward back- Trainableء4 [33] M. Lashkarbo looki, Z. S. ...
  • نمایش کامل مراجع