CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

گواهی نمایه سازی مقاله ارائه مدل شبکه عصبی برای پیشب بینی عملکرد کلکتور خورشیدی صفحهت تخت با استقاده از داده های مدل ریاضی

عنوان مقاله: ارائه مدل شبکه عصبی برای پیشب بینی عملکرد کلکتور خورشیدی صفحهت تخت با استقاده از داده های مدل ریاضی
شناسه (COI) مقاله: ENERGYBON02_097
منتشر شده در دومین همایش ملی مدیریت انرژی های نو و پاک در سال ۱۳۹۴
مشخصات نویسندگان مقاله:

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

خلاصه 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.

کلمات کلیدی:
شبکه عصبی مصنوعی، کلکتور خورشیدی، پیش بینی، مدل ریاضی، بازده حرارتی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://www.civilica.com/Paper-ENERGYBON02-ENERGYBON02_097.html