پیشبینی دمای هوای یک گلخانه با پوشش پلی اتیلن با استفاده از شبکههای عصبی مصنوعی، مطالعه موردی: منطقه جیرفت | ||
| مهندسی بیوسیستم ایران | ||
| مقاله 11، دوره 51، شماره 1، بهار 1399، صفحه 125-137 اصل مقاله (1.44 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijbse.2019.291077.665235 | ||
| نویسندگان | ||
| الهام بلندنظر1؛ حسن صدرنیا* 2؛ عباس روحانی2؛ مرتضی تاکی3 | ||
| 1گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران | ||
| 2گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران. | ||
| 3گروه مهندسی ماشینهای کشاورزی و مکانیزاسیون، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان-ملاثانی، خوزستان، ایران. | ||
| چکیده | ||
| دمـا و کنترل آن در گلخانه یکی از پارامترهای مهم در گلخانهها بوده و نقش اساسی در اقتصادی بودن تولید دارد. با وجود این که گلخانه یک محیط بسته است ولی کاملاً از محـیط بیرون ایزوله نیست. بنابراین شرایط داخل گلخانه تحت تأثیر تغییـرات آب و هوایی بیرون دائماً تمایل به تغییر دارد. هدف از اجرای این تحقیق، تخمین دمای هوا در یک گلخانه با پوشش پلی اتیلن با توجه به پارامترهای خارجی گلخانه شامل دمای هوا (Tout)، رطوبت نسبی هوا (Hout)، شدت تابش خورشید (S) و سرعت باد (V) با استفاده از روشهای مختلف شبکههای عصبی مصنوعی شامل پرسپترون چند لایه (MLP)، تابع شعاع مدار (RBF) و عصبی-فازی (ANFIS) میباشد. مقایسه بین مدلهای مختلف شبکههای عصبی نشان داد که روش RBF با ضریب تبیین بالاتر )93/0 (R2=و خطای کمتر (25/2(RMSE= نسبت به دو روش MLP و ANFIS دارای عملکرد بهتر در پیشبینی بود. نتایج ارزیابی مدل RBF برای پیشبینی دما در ساعات آینده بیانگر خطای قابل قبول در پیش بینی توسط این مدل تا دو ساعت آینده بود و بنابراین کشاورزان زمان کافی برای فراهم نمودن تمهیدات لازم جهت جلوگیری از افزایش دما در گلخانه در ساعات آینده و صرفه جویی در مصرف انرژی خواهند داشت. | ||
| کلیدواژهها | ||
| "دمای گلخانه"؛ "پوشش پلی اتیلن"؛ "شبکههای عصبی مصنوعی"؛ "مدل سازی" | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,082 تعداد دریافت فایل اصل مقاله: 769 |
||