دوره 16، شماره 12 - ( 12-1395 )                   جلد 16 شماره 12 صفحات 299-291 | برگشت به فهرست نسخه ها

‎ 20.1001.1.10275940.1395.16.12.54.9

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Banakar A, Motevali A, Motazeri M, Mosavei Seyedi S R. Comparison of dynamic and static neural networks in predicting performance of parabolic solar desalination. Modares Mechanical Engineering 2017; 16 (12) :291-299
URL: http://mme.modares.ac.ir/article-15-7321-fa.html
بناکار احمد، متولی علی، منتظری مهدی، موسوی سیدی سید رضا. مقایسه شبکه‌های عصبی دینامیکی و استاتیکی در پیش‌بینی عملکرد آب شیرین‌کن خورشیدی سهموی. مهندسی مکانیک مدرس. 1395; 16 (12) :291-299

URL: http://mme.modares.ac.ir/article-15-7321-fa.html

مقایسه شبکه‌های عصبی دینامیکی و استاتیکی در پیش‌بینی عملکرد آب شیرین‌کن خورشیدی سهموی
احمد بناکار1 ، علی متولی* 2، مهدی منتظری1 ، سید رضا موسوی سیدی2
1- دانشگاه تربیت مدرس
2- دانشگاه علوم کشاورزی و منابع طبیعی ساری
چکیده:   (4609 مشاهده)
در این پژوهش با بکارگیری مدل‌های مختلف شبکه عصبی، به بررسی ارتباط میان میزان تولید آب شیرین و دمای بخار آب در اثر شرایط مختلف جوی و چندین دبی آب ورودی در شرایط مختلف روز در یک آب شیرین‌کن مجهز به متمرکز کننده خطی سهموی خورشیدی پرداخته شد. نتایج نشان داد که شبکه‌های استاتیک و دینامیک با دقت بالایی می‌توانند فرآیند‌های تولید آب شیرین را مدل‌سازی کنند. شبکه عصبی استاتیک با سرعت بالاتر نسبت به شبکه‌های دینامیکی می‌تواند فرآیند مدل سازی را انجام دهد در عین حال به نظر می‌رسد که میزان خطا در فرآیند مدل سازی با بکارگیری شبکه‌های دینامیک کاهش می‌یابد. ضریب تبیین برای الگوهای آموزش، ارزیابی و تست در شبکه استاتیک به ترتیب 0.9898، 0.9899 و 0.9889 می‌باشد. در حالی که ضریب تبیین برای الگوهای آموزش، ارزیابی و تست در شبکه‌ دینامیک به ترتیب 0.9922، 0.9894 و 0.9901 می‌باشد. همچنین میزان خطای شبکه در شبکه استاتیک برای الگوهای آموزش، ارزیابی و تست به ترتیب 0.0011، 0.0027 و 0.0024 و برای شبکه‌های دینامیک به ترتیب 0.0018، 0.0007 و 0.0004 می‌باشد. مقایسه شبکه‌های استاتیک و دینامیک نشان داد که شبکه‌های دینامیک با دقت بیشتری نسبت به شبکه‌های استاتیک می‌تواند میزان تولید آب شیرین و دمای بخار آب را با توجه به تغییرات پارامترهای جوی پیش‌بینی کند.
واژه‌های کلیدی: پیش‌بینی، مدل‌سازی شبکه عصبی، آب شیرین‌کن خورشیدی
متن کامل [PDF 437 kb]   (5328 دریافت)    
نوع مقاله: مقاله پژوهشی کامل | موضوع مقاله: انرژی خورشیدی و تشعشع
دریافت: 1395/7/19 | پذیرش: 1395/8/19 | انتشار: 1395/9/21
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.