فاطمه نادی - دانشگاه آزاد اسلامی واحدآزادشهر باشگاه پژوهشگران جوان ونخبگان آزادشهر ایران
سامان آبدانان مهدیزاده - گروه مهندسی مکانیک بیوسیستم دانشگاه کشاورزی و منابع طبیعی رامین خوزستان ایران

دراین تحقیق بااستفاده ازشبکه عصبی مدلی برای پیش بینی دمای خروجی ازکلکتورخورشیدی صفحه تخت خروجی ارایه گردیده است داده های ورودی و خروجی ازتست هایی که برروی یک نوع کلکتور خورشیدی صفحه تخت انجام شده است بدست امده و با استفاده ازشبکه عصبی اموزش داده شده اند این شبکه قادر است روابطی را که بین ورودی و خروجی برقرار است تحلیل کرده و مدلی جهت پیش بینی دمای خروجی سیال پیدا کند باتوجه به دشواری انجام عملی ازمایشهای زیاد درشرایط محیطی زمانی و مکانی متفاوت ارایه چنین مدلی بسیارمفید و کم هزینه خواهد بود مزیت دیگرمدل ارایه شده اینست که اعمال تغییرات درهرشرایطی را به خوبی وباکمترین درصد خطا به مانشان میدهد مدل پیشنهادی دارای چهارورودی و یک خروجی است که ورودی های آن شامل میزان تشعشع خورشید دمای محیط دمای سیال ورودی و رطوبت محیط می باشد و خروجی آن شامل دمای سیال خروجی می با شد روابط متفاوتی برای محاسبه خطای سیستم استفاده شده است باتوجه به نتایج بدست آمده ازشبکه های متعدد تست شده شبکه پرسپترون چندلایه با الگوریتم یادگیری پس انتشار خطا انتخاب شد

شبکه عصبی مصنوعی ، کلکتورصفحه تخت خورشیدی ، شبیه سازی ، پیش بینی ، دمای خروجی