پیشبینی مصرف انرژی ساختمان با استفاده از شبکه عصبی پرسپترون چندلایه

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,052

فایل این مقاله در 13 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:

ETEC06_229

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

مصرف انرژی ساختمان مسکونی از لحاظ استفاده و کارایی انرژی مورد توجه است. میزان مصرف انرژی ساختمان ها در کشورهای توسعه یافته حدودا یک سوم از کل میزان انرژی مصرف را شامل میشود و این میزان مصرف انرژی در ایران حدود 40 در صد از کل میزان م صرف انرژی را در برمیگیرد. از همین رو پیشبینی م صرف انرژی ساختمانها به عنوان چال شی در دهه های اخیر مطرح شده ا ست. مدل سازی م صرف انرژی در ساختمانهای م سکونی با پی شرفتهایی که در زمینه محاسبات و شبیه سازی بوجود آمده به امری ممکن بدل شده و یکی از این پیشرفتهای چشمگیر، پیدایش هوش مصنوعی در توسعه مدلهای آماری است. مطالعات نشان میدهد که روش شبکه عصبی مصنوعی میتواند برای پیشبینی رفتار غیر خطی م صرف انرژی ساختمان به کار گرفته شود. در این مدل، متغیرهای اقلیمی به عنوان ورودی و م صرف انرژی ساختمان به عنوان متغیر خروجی ه ستند. شبکه در نرم افزار متلب ساخته شد و با الگوریتم لونبرگ-مارکوارت و الگوریتم تکاملی ازدحام ذرات آموزش دیده شد. نتایج نشان میدهد که شبکه عصبی به خوبی توانایی تخمین انرژی مصرفی ساختمان ها را دارد. با استفاده از ترکیب الگوریتمهای تکاملی و الگوریتمهای رایج مثل پس انتشار خطا میتوان به نتایج بهتری دست یافت.

نویسندگان

ابوالفضل خوش طینت

کارشناس ارشد، دانشکده محیط زیست و انرژی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات

اندیشه شیعه بیگی

استادیار، گروه مهندسی انرژی، دانشکده محیط زیست و انرژی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات

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 :
  • L. Swan and V. Ugursal, "Modeling of end use energy ...
  • G. Tso and K. Yau, "A study of domestic energy ...
  • S. Kalogirou and M. Bojic, "Artificial neural networks for the ...
  • Azadeh, A., Saberi, M., Seraj, O. , "An integrated fuzzy ...
  • neural network for forecasting building energy consumption' _ " Journal ...
  • F. Fiorelli and L. d. Freitas Frenay, "USE OF NEURAL ...
  • R. A. J. S. Rajesh Kumar, "Energy analysis of a ...
  • C. Buratti, E. Lascaro and D. Palladino , "Building Behavior ...
  • F. Rosenblatt, "THE P ERCEPTRON : A PROBAB ILISTIC MODEL ...
  • J. Kenndy and R. Eberhart, "Particle Swarm Optimization, " in ...
  • D. Rumelhart and _ J. Mcland, ،Parrallel Distributed Processing?, Vol: ...
  • نمایش کامل مراجع