پیش بینی سرعت های ماهانه باد با استفاده ازمدل شبکه عصبی مصنوعی پرسپترون چند لایه MLP مطالعه موردی: شهرستان خلخال
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 692
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ECONF05_065
Index date: 24 February 2017
پیش بینی سرعت های ماهانه باد با استفاده ازمدل شبکه عصبی مصنوعی پرسپترون چند لایه MLP مطالعه موردی: شهرستان خلخال abstract
استفاده از انرژی باد به عنوان انرژی های تجدیدپذیر در جوامع صنعتی توجه ویژه ای را دارد. پیش بینی صحیح سرعت بادبرای کنترل عکس العمل های مناسب در توربین های بادی امری است که باعث شده به الگوریتم های پیش بینی سرعتباد از اهمیت زیادی برخوردار شوند. در این پژوهش مدل سازی پیش بینی سرعت باد در شهرستان خلخال با استفاده از مدل پرسپترون چندلایه ) MLP ( مورد بررسی و تجزیه تحلیل قرار گرفت. به این منظور اقدام به جمع آوری داده های میانگیندما، فشار، رطوبت نسبی، سرعت باد در دوره ی آماری 30 ساله 1987-2014 انجام شد.که 25 سال برای مرحله آموزش -و 3سال برای تست انتخاب شد. جهت این کار از امکانات و توابع موجود در نرم افزار matlab بهره گرفته شد. نتایج بدست آمده، نشان داد که مدل پرسپترون چندلایه شبکه عصبی مصنوعی در مدلسازی پیش بینی سرعت باد نتایج قابل قبولی باداده های واقعی بیانگر است به طوری که ضریب همبستگی آن با داده های واقعی برابر با 0.99 درصد بود که در سطح یک معنی دار گشتند. و دارای خطای کمتر از 0.5 درصد است. بنابراین این مدل برای پیش بینی کارایی بالایی دارد.
پیش بینی سرعت های ماهانه باد با استفاده ازمدل شبکه عصبی مصنوعی پرسپترون چند لایه MLP مطالعه موردی: شهرستان خلخال Keywords:
پیش بینی سرعت های ماهانه باد با استفاده ازمدل شبکه عصبی مصنوعی پرسپترون چند لایه MLP مطالعه موردی: شهرستان خلخال authors
آرزو قهرمانی شام اسبی
کارشناس ارشد اقلیم شناسی دانشگاه محقق اردبیلی
برومند صلاحی
دانشیارگروه جغرافیای طبیعی دانشگاه محقق اردبیلی
سیداسعد حسینی
استادیار اقلیم شناسی دانشگاه محقق اردبیلی
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 :