مدل سازی و پیش بینی میزان مصرف انرژی در گلخانه آب دریایی با استفاده از شبکه هوش مصنوعی

Authors

رضا بهیاد شرکت گاز اهواز

طالب زارعی دانشگاه هرمزگان

Abstract:

گلخانه آب دریایی با استفاده از روش رطوبت زنی و رطوبت‌زدایی می‌تواند از آب‌های شور و لب شور نمک زدایی کرده و آب شیرین تولیدی را برای مصارف کشاورزی گلخانه و هم مصارف شرب مورد بهره‌برداری قرار دهد. پارامترهای زیادی بر عملکرد گلخانه آب دریایی تاثیرگذار 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 مصرف انرژی در گلخانه آب دریایی پرداخته شده است. شبکه‌های عصبی مصنوعی پرسپترون چند لایه برای مدلسازی مورد استفاده قرار گرفته است. 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 دادههای آزمایشگاهی دارد. با استفاده از شبکه بهینه ایجاد شده، تاثیر هر پارامتر بر میزان 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 6/0 که دارای آب شیرین تولیدی 6/161 مترمکعب در روز و 558/1 کیلووات ساعت بر متر مکعب مصرف انرژی می باشد، به عنوان گلخانه آب دریایی بهینه معرفی شد.

Upgrade to premium to download articles

Already have an account?login

similar resources

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

full text

پیش بینی مصرف انرژی بخش کشاورزی ایران با استفاده از مدل ترکیبی الگوریتم ژنتیک و شبکه های عصبی مصنوعی

هدف از این مقاله ارزیابی الگوی ترکیبی شبکههای عصبی مصنوعی و الگوریتم ژنتیک در پیش بینی تقاضای انرژی بخش کشاورزی ایران میباشد. برای این منظور، از دادههای سالانه مصرف انرژی بخش کشاورزی کشور به عنوان متغیر خروجی مدلهای پیشبینی و از دادههای سالانه جمعیت کل کشور و کل تولیدات بخش کشاورزی کشور به عنوان متغیرهای ورودی مدلهای پیشبینی استفاده شد. در پایان به منظور مقایسه نتایج پیشبینی مدل ترکیبی...

full text

پیش بینی تولید آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه عصبی مصنوعی

پیشبینی پدیدههای اقتصادی ساختاری فراهم میکند تا مدیران و مسؤلان اقتصادی را در گرفتن تصمیم‌های درست یاری دهد. هدف اصلی این مطالعه پیشبینی مقدار تولید آبزیان دریایی در ایران است. برای این منظور از روشهای سری زمانی خود توضیح جمعی میانگین متحرک (ARIMA)[1] و شبکه عصبی مصنوعی[2] استفاده میشود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[3]، تابع پایه شعاعی[4] و المن[5] بکار ...

full text

پیش بینی خشکسالی با استفاده از مدل تلفیقی شبکه عصبی مصنوعی- موجک و مدل سری زمانیARIMA

تبدیل موجک یکی از روشهای نوین و بسیار موثر در زمینه تحلیل سیگنالها و سریهای زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، دادههای حاصل بهعنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیشبینی خشکسالی ارائه میگردد. در این تحقیق، از شبکههای عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه‌ای شعاعی ((RBF، سری زمانی AR...

full text