پیش‌بینی دما، رطوبت و انرژی مصرفی در شرایط محیطی سالن مرغداری به کمک شبکه عصبی مصنوعی

Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 272

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JAM-7-2_019

تاریخ نمایه سازی: 6 دی 1399

Abstract:

فراهم شدن شرایط مطلوب سالن‌های صنعتی پرورش مرغ گوشتی، مستلزم ثابت بودن عامل‌های دما و رطوبت داخل سالن در حد بهینه و کاهش دامنه تغییرات آن از مقدار بهینه است. یکی از راه‌های تنظیم و تثبیت این عامل‌ها، استفاده از ابزار دقیق و سامانه‌های الکترونیکی با دقت اندازه‌گیری بالا برای کنترل تجهیزات تهویه است. در این تحقیق از شبکه عصبی پرسپترون چندلایه (MLP) به‌منظور پیش‌بینی دما و رطوبت و همچنین انرژی مصرفی تجهیزات استفاده شد. ورودی‌های مدل شامل طول، عرض و ارتفاع قرارگیری حس‌گرهای واحد کنترل الکترونیکی در60 نقطه با مختصات متفاوت بودند. شبکه دولایه با ساختار 1-10 با R² و MSE به‌ترتیب برابر با 0/96 و 0/00912 بهترین نتیجه را برای پیش‌بینی دما داشت. شبکه سه لایه با ساختار 1-10-20 بهترین نتیجه را برای پیش‌بینی رطوبت با R² و MSE به‌ترتیب برابر با 0/8 و 0/00783 و همچنین شبکه سه لایه با ساختار 1-10-10 بهترین نتیجه را برای پیش‌بینی انرژی مصرفی با R² و MSE به‌ترتیب برابر با 0/98 و 0/00114 نشان داد. از نتایج تحقیق می‌توان در بهینه‌سازی و مدیریت مصرف انرژی در مرغداری‌ها بهره گرفت.

Authors

نعیمه غلامرضایی

دانشگاه شهید باهنر کرمان

کوروش قادری

دانشگاه شهید باهنر کرمان

کاظم جعفری نعیمی

دانشگاه شهید باهنر کرمان

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • Adamchuk, V. I., A. V. Skotnikov, J. D. Speichinger, and ...
  • Anami, B. S., J. D. Pujari, and R. Yakkhundimath. 2011. ...
  • Arjona, R., P. Ollero, and F. Vidal. 2005. Automation of ...
  • Azadeh, A., S. F. Ghaderi, and S. Sohrabkhani. 2006. Forecasting ...
  • Ishikawa, S., and V. Gulick. 2013. An automated mineral classifier ...
  • Jacovides, C. P. 1997. Reply to comment on Statistical procedures ...
  • Kaul, M., R. L. Hill, and C. Walthall. 2005. Artificial ...
  • Keshavarz, J. 2014. Design, fabrication and evaluation of the electronic ...
  • Moallem, P., and A. Monajemi. 2007. A heuristic criterion for ...
  • Rashed Mohassel, M. H., H. Najafi, and M. D. Akbarzadeh. ...
  • Rizzoni, G. 2000. Principels and Applications of Electrical Engineering, 3td ...
  • Sigari, M. H., H. Sigari, and N. Mozayani. 2012. Estimated ...
  • Simmons, J. D., and B. D. Loit. 1993. Automatic Fan ...
  • Storey, N., 1998. Electronics: A system approach, Prentice Hall, Harlow. ...
  • Torrecilla, J. S., L. Otero, and P. D. Sanz. 2004. ...
  • Vakil-Baghmisheh, M. T. 2002. Farsi Character Recognition Using Artificial Neural ...
  • Visen, N. S., D. S. Jayas, J. Paliwal, and N. ...
  • Zhang, Q., S. Y. Yang, G. S. Mittal, and S. ...
  • Zhang, Y. F., and J. Y. H. Fun. 1998. A ...
  • نمایش کامل مراجع