دانلود مقاله ترجمه شده مدل شبکه عصبی برای تخمین تابش جهانی خورشید در سطح افقی – ۲۰۱۴ IEEE

ieee2

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

مدل شبکه عصبی برای تخمین تابش جهانی خورشید در سطح افقی

عنوان انگلیسی مقاله:

A Neural Network Model for Estimating Global Solar Radiation on Horizontal Surface

 

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار ۲۰۱۴
تعداد صفحات مقاله انگلیسی ۴ صفحه با فرمت pdf
نوع مقاله ISI
نوع ارائه مقاله کنفرانس
رشته های مرتبط با این مقاله مهندسی انرژی
گرایش های مرتبط با این مقاله انرژی های تجدید پذیر و فناوری انرژی
چاپ شده در کنفرانس کنفرانس بین المللی فناوری اطلاعات و ارتباطات برق – International Conference on Electrical Information and Communication Technology
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
ارائه شده از دانشگاه موسسه انرژی های تجدید پذیر، دانشگاه داکا، بنگلادش
نویسندگان Muztoba Ahmad Khan، Saiful Huque and Azim Mohammad
شناسه دیجیتال – doi https://doi.org/10.1109/EICT.2014.6777857
بیس نیست 
مدل مفهومی ندارد 
پرسشنامه ندارد 
متغیر ندارد 
رفرنس دارد  
کد محصول ۹۶۰۱
لینک مقاله در سایت مرجع لینک این مقاله در سایت IEEE
نشریه آی تریپل ای

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
وضعیت ترجمه انجام شده و آماده دانلود در فایل ورد و PDF
کیفیت ترجمه طلایی⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۸ صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است  
ترجمه متون داخل تصاویر ترجمه نشده است 
ترجمه متون داخل جداول ترجمه نشده است 
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه  به صورت عکس درج شده است  
منابع داخل متن درج نشده است 

 

فهرست مطالب

چکیده

۱- مقدمه

۲- شبکه های عصبی مصنوعی

۳- روش کار

۴- نتیجه و بحث

۵- نتیجه گیری

 

بخشی از 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 ۱۸۲۷ دادۀ اندازه گیری شده به صورت روزانه بین سال های ۲۰۰۸ و ۲۰۱۲ برحسب میانگین دمای هوای روزانه، رطوبت نسبی، طول مدت تابش خورشید و تابش سراسری خورشید بود. داده ها از واحد هواشناسی بنگلادش گردآوری شد. ۱۴۶۱ دادۀ اندازه گیری شده به صورت روزانه بین سال های ۲۰۰۸ و ۲۰۱۱ در راستای آموزش شبکه های عصبی استفاده شدند، در حالی که داده های ۳۶۶ روز (سال کبیسه) از سال ۲۰۱۲ 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 ۱۱۳/۶ WH/m2 و ۰٫۹۷۴۴٫ 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.

 

۵- نتیجه گیری

استفاده از تکنیک ANN در مدلسازی تابش خورشیدی روزانه در سطح افقی در شهر داکا گزارش شده است. نتایج روایی و مطالعه تطبیقی نشان می دهد که تکنیک برآورد مبتنی بر ANN برای تابش خورشیدی در پیش بینی تابش خورشید در مقایسه با مدل های رگرسیون تجربی پیشنهاد شده توسط سایر محققان بهتر است. این مطالعه قابلیت ANN در پیش بینی دقیق تر و مقادیر تابش خورشیدی را تأیید می کند. از این رو، مدل ANN می توان برای پیش بینی تابش خورشیدی در هر نقطه از بنگلادش مناسب باشد. مشروط بر آن که داده های ضروری هر منطقه دردسترس باشد.

 

بخشی از مقاله 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.

 

V- CONCLUSION

The use of ANN technique in modeling daily solar radiation on horizontal surface at Dhaka has been reported. The results of validation and comparative study indicate that the ANN based estimation technique for solar radiation is more suitable to predict the solar radiation than the empirical regression models proposed by other researchers. This study confirms the ability of the ANN to predict solar radiation values more precisely. Therefore, this ANN model may be suitable for predicting solar radiation at any location in Bangladesh, provided that the necessary data from the locations are available.

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

مدل شبکه عصبی برای تخمین تابش جهانی خورشید در سطح افقی

عنوان انگلیسی مقاله:

A Neural Network Model for Estimating Global Solar Radiation on Horizontal Surface

 

 

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.