2021
Постійне посилання на фонд
Переглянути
Перегляд 2021 за Ключові слова "004.032.26;620.91"
Зараз показуємо 1 - 1 з 1
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Прогнозування теплового стану повітряноґрунтового теплообмінника із застосуванням штучної нейронної мережі(КПІ ім. Ігоря Сікорського, 2021) Басок, Б. І.; Новіцька, М. П.; Недбайло, О. М.; Ткаченко, М. В.; Божко, І. К.Метою роботи є прогнозування теплового стану повітряно-ґрунтового теплообмінника на основі штучної нейронної мережі. Навчання, тестування та валідація запропонованої моделі зроблені на експериментальних даних отриманих в теплофізичній лабораторії Інституту технічної теплофізики НАН України. У цій роботі використано просту нейронну мережу. В якості вхідних параметрів для нейронної мережі обрано температуру повітря на вході в теплообмінник та його вологість. У цій роботі в розрахунках використовувався MATLAB (R2016a) та модель Левенберга-Маркватта. В моделі був присутній один прихований шар та 10 нейронів. Масив даних, що аналізувався розбивався у пропорції 70%, 15%, 15% для навчання нейронної мережі, її валідації та тестування відповідно. В результаті отримано, що в усіх моделях прогнозування відбувається із прийнятною точністю. Коефіцієнт середньоквадратичного відхилення для всього масиву даних для різних моделей варіюються від 0,105 до 2,323 С. Максимальна середня абсолютна помилка у відсотках виявилась найбільшою при використанні формул отриманих із СFD моделі та складала 11,2%. Мінімальне середнє відхилення прогнозованих даних від експериментально виміряних виявилось в моделі із використанням температури, вологості та температури повітря на виході із повітряно-ґрунтового теплообмінника за попередню годину і складало 0,02%. Навчання та тестування запропонованих моделей на основі штучної нейронної мережі є достатньо задовільними, щоб передбачити температуру із врахуванням впливу погодних умов. Штучні нейронні мережі можна використовувати при прогнозуванні теплового стану повітряно-ґрунтового теплообмінника. Для налаштування таких системи ШНМ потрібні дані, що представляють опис реальної системи.