تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله یک مدل شبکه عصبی جهت برآورد تابش سراسری خورشید در سطح افقی – نشریه IEEE

عنوان فارسی: یک مدل شبکه عصبی جهت برآورد تابش سراسری خورشید در سطح افقی
عنوان انگلیسی: A Neural Network Model for Estimating Global Solar Radiation on Horizontal Surface
تعداد صفحات مقاله انگلیسی : 4 تعداد صفحات ترجمه فارسی : 8
سال انتشار : 2014 نشریه : آی تریپل ای - IEEE
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده و pdf
نوع مقاله : ISI نوع ارائه مقاله : کنفرانس
کد محصول : 9601 رفرنس : دارد ✓
محتوای فایل : zip حجم فایل : 752.02Kb
رشته های مرتبط با این مقاله: مهندسی انرژی
گرایش های مرتبط با این مقاله: انرژی های تجدیدپذیر و فناوری انرژی
کنفرانس: کنفرانس بین المللی فناوری اطلاعات و ارتباطات برق - International Conference on Electrical Information and Communication Technology
دانشگاه: موسسه انرژی های تجدید پذیر، دانشگاه داکا، بنگلادش
کلمات کلیدی: شبکه عصبی مصنوعی، تابش سراسری، تابش خورشیدی، پیش بینی، طول مدت نورخورشید
کلمات کلیدی انگلیسی: Artificial Neural Network - Global Radiation - Solar Radiation - Prediction - Sunshine Duration
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است ☓
وضعیت ترجمه منابع داخل متن: درج نشده است ☓
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
بیس: نیست ☓
مدل مفهومی: ندارد ☓
پرسشنامه: ندارد ☓
متغیر: ندارد ☓
doi یا شناسه دیجیتال: https://doi.org/10.1109/EICT.2014.6777857
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

1- مقدمه

2- شبکه های عصبی مصنوعی

3- روش کار

4- نتیجه و بحث

5- نتیجه گیری

نمونه متن انگلیسی

Abstract

This research focuses on the development of artificial neural network (ANN) model for estimation of daily global solar radiation on horizontal surface in Dhaka. In this analysis back-propagation algorithm is applied. Day of the year, daily mean air temperature, relative humidity and sunshine duration were used as input data, while the daily global solar radiation was the only output of the ANN. The database consists of 1827 daily measured data, between 2008 and 2012, in term of daily mean air temperature, relative humidity and sunshine duration and global solar radiation. The data has been collected from Bangladesh Meteorological Department. The 1461 daily measured data between 2008 and 2011 are used to train the neural networks while the data of 366 (leap year) days from 2012 are used to test the neural network. MATLAB neural network toolbox is used to train and test the network. Both estimated and measured values of daily global solar radiation on horizontal surface were compared during testing phase statistically using two methods: Root Mean Square Error (RMSE) and Regression R Value (R), giving a value of 113.6 Wh/m 2 and 0.9744, respectively. The results of this study have shown a better accuracy than other conventional prediction models that have been used up to now in Bangladesh. This ANN model may be suitable for predicting solar radiation at any location in Bangladesh, provided that samples of the sunshine duration data from the locations are available.

نمونه متن ترجمه

چکیده

پژوهش حاضر بر توسعه و ایجاد مدل (شبکه عصبی مصنوعی) (ANN) جهت برآورد تابش روزانۀ سراسری خورشید در سطح افق در داکا تمرکز دارد. در این تجزیه و تحلیل، الگوریتم پس انتشار استفاده می گردد. روز سال، میانگین روزانه دمای هوا، رطوبت نسبی و مدت زمان تابش پرتو خورشید به عنوان داده های ورودی استفاده شدند. در حالی که تابش خورشید روزانه سراسری تنها خروجی ANN بود. پایگاه داده ها شامل 1827 دادۀ اندازه گیری شده به صورت روزانه بین سال های 2008 و 2012 برحسب میانگین دمای هوای روزانه، رطوبت نسبی، طول مدت تابش خورشید و تابش سراسری خورشید بود. داده ها از واحد هواشناسی بنگلادش گردآوری شد. 1461 دادۀ اندازه گیری شده به صورت روزانه بین سال های 2008 و 2011 در راستای آموزش شبکه های عصبی استفاده شدند، در حالی که داده های 366 روز (سال کبیسه) از سال 2012 برای بررسی شبکۀ عصبی استفاده می شود. از جعبه ابزار شبکۀ عصبی MATLAB برای آموزش و آزمایش شبکه بهره گرفته می شود. هر دو مقدار اندازه گیری شده و برآورد شدۀ تابش روزانۀ سراسری خورشیدی در سطح افق در طی فاز آزمون از لحاظ آماری با استفاده از دو روش با هم مقایسه شدند: خطای میانگین مربع جذر (RMSE) و مقدار R رگرسیون (R) که به ترتیب دارای مقدار 113/6 WH/m2 و 0.9744. نتایج این مطالعه در مقایسه با دیگر مدل های پیش بینی متعارف که تاکنون در بنگلادش مورد استفاده بوده اند صحت بهتر و بیشتری را نشان داد. این مدل ANN برای پیش بینی تابش خورشیدی در هر نقطه از بنگلادش مناسب است و مشروط بر آن که نمونه های داده های طول مدت تابش از هر محل موجود باشد.