کاربرد مدلهای شبکه عصبی مصنوعی (mlp و rbf) و ماشین بردار پشتیبان (svm) به منظور تخمین میزان سایه در جمع‌کننده‌های خورشیدی صفحه تخت در ایران

در این تحقیق از مدل‌ شبکه عصبی مصنوعی و رگرسیون بردار پشتیبان به‌منظور تخمین میزان سایه در جمع کننده‌ صفحه تخت خورشیدی با توجه به شرایط جغرافیایی ایران استفاده شد. دو نوع الگوریتم آموزش lm و br همراه با تابع انتقال تانژانت سیگموئیدی و تعداد متنوعی از نورون ها در لایه پنهان همراه با مدل اعتبارسنجی تقاطعی به منظور ایجاد مجموعه داده‌های تصادفی مورد استفاده قرار گرفت. نتایج نشان داد که مدل mlp با الگوریتم آموزشی br و ساختار (1235) می‌تواند داده‌هایی با دقت بالا و شبیه به مقادیر واقعی ایجاد کند. میانگین آماره های mape و r2 برای مدل فوق به ترتیب 0.10±0.42 درصد و 0.01±0.99، برآورد شد و نتایج آماری مقایسه میانگین، واریانس و توزیع آماری در سطح احتمال 95% بین داده‌های واقعی و مقادیر پیش‌بینی شده، معنی‌دار نبودند. نتایج آنالیز حساسیت نشان داد که فاصله صفحه جاذب تا پوشش شیشه‌ای مهم‌ترین فاکتور تاثیرگذار بر ایجاد سایه است.

Application of Artificial Neural Network Models (MLP and RBF) and Support Vector Machine (SVM) to Estimate the Shadow in Flatplate Solar Collectors in Iran

In this study, the amount of shadow in different types of flatplate solar collectors according to the geographical conditions of Iran was estimated by using artificial neural network models (MLP and RBF) and Support Vector Machine (SVM). In this study, two types of LM and BR training algorithms with sigmoid tangent transfer function (TanSig) and different number of neurons in a hidden layer with kfold cross validation method were used to create random datasets at each stage of modeling. The results showed that the MLP model with BR training algorithm and (5231) structure, can create highprecision data similar to real values. The average MAPE and R2 statistics for the above model were estimated to be 0.42 ± 0.10 and 0.99±0.01, respectively. Also, there was no significant difference between the actual data and the predicted values (95% probability) at mean, variance and distribution. The results of sensitivity analysis showed that the distance of the absorber plate and the glass cover is the most important factor influencing the formation of shadows.