مقایسه شبکه های عصبی دینامیکی و استاتیکی در پیش بینی عملکرد آب شیرین کن خورشیدی سهموی

در این پژوهش با بکارگیری مدل های 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 شیرین کن مجهز به متمرکز کننده خطی سهموی خورشیدی پرداخته شد. نتایج نشان داد که شبکه های استاتیک و دینامیک با دقت بالایی می توانند فرآیند های تولید آب شیرین را مدل سازی کنند. شبکه عصبی استاتیک با سرعت بالاتر نسبت به شبکه های دینامیکی می تواند فرآیند مدل سازی را انجام دهد در عین حال به نظر می رسد که میزان خطا در فرآیند مدل سازی با بکارگیری شبکه های دینامیک کاهش می یابد. ضریب تبیین برای الگوهای آموزش، ارزیابی و تست در شبکه استاتیک به ترتیب ۰.۹۸۹۸، ۰.۹۸۹۹ و ۰.۹۸۸۹ می باشد. در حالی که ضریب تبیین برای الگوهای آموزش، ارزیابی و تست در شبکه دینامیک به ترتیب ۰.۹۹۲۲، ۰.۹۸۹۴ و ۰.۹۹۰۱ می باشد. همچنین میزان خطای شبکه در شبکه استاتیک برای الگوهای آموزش، ارزیابی و تست به ترتیب ۰.۰۰۱۱، ۰.۰۰۲۷ و ۰.۰۰۲۴ و برای شبکه های دینامیک به ترتیب ۰.۰۰۱۸، ۰.۰۰۰۷ و ۰.۰۰۰۴ می باشد. مقایسه شبکه های استاتیک و دینامیک نشان داد که شبکه های دینامیک با دقت بیشتری نسبت به شبکه های استاتیک می تواند میزان تولید آب شیرین و دمای بخار آب را با توجه به تغییرات پارامترهای جوی پیش بینی کند.

مقایسه شبکه های عصبی دینامیکی و استاتیکی در پیش بینی عملکرد آب شیرین کن خورشیدی سهموی Keywords:

Prediction , Neural networks modelling , solar desalination , پیش بینی , مدل سازی شبکه عصبی , آب شیرین کن خورشیدی