Прогнозування теплового стану повітряноґрунтового теплообмінника із застосуванням штучної нейронної мережі

Скорочена інформація про документ
dc.contributor.authorБасок, Б. І.
dc.contributor.authorНовіцька, М. П.
dc.contributor.authorНедбайло, О. М.
dc.contributor.authorТкаченко, М. В.
dc.contributor.authorБожко, І. К.
dc.date.accessioned2023-04-11T11:34:41Z
dc.date.available2023-04-11T11:34:41Z
dc.date.issued2021
dc.description.abstractМетою 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.uk
dc.description.abstractotherThe work aim is to predict the thermal state of the air-ground heat exchanger based on an artificial neural network. Training, testing and validation of the proposed model were made on experimental data obtained in the thermophysical laboratory of the Institute of Engineering Thermophysics of the National Academy of Sciences of Ukraine. A simple neural network is used in this work. The air temperature at the inlet to the heat exchanger, and its relative humidity are selected as input parameters for the neural network. The MATLAB (R2016a) and Levenberg-Markwatt model were used in this article's calculations. One hidden layer and 10 neurons were presented in the model. The array of analysed data was divided into ratios of 70%, 15%, 15% for neural network training, validation and testing, respectively. As a result, it is obtained that the forecasting takes place with acceptable accuracy in all models. The root mean square error for the whole data set for different models varies from 0.105 to 2.323С. The maximum mean absolute percentage error was the largest for CFD model and was 11.2%. The minimum mean bias error of the predicted data from the experimentally measured ones was found in the model using temperature, humidity, and air temperature at the outlet of the air-ground heat exchanger for the previous hour and was 0.02%. The training and testing of the proposed models based on an artificial neural network are satisfactory enough to predict the temperature taking into account the influence of weather conditions. Artificial neural networks can be used to predict the thermal state of the air-ground heat exchanger. Data representing the description of a real system are required for forecasting the parameters based on the ANN.uk
dc.format.pagerangeС. 95-101uk
dc.identifier.citationПрогнозування теплового стану повітряноґрунтового теплообмінника із застосуванням штучної нейронної мережі / Б. І. Басок, М. П. Новіцька, О. М. Недбайло, М. В. Ткаченко, І. К. Божко // Енергетика: економіка, технології, екологія : науковий журнал. – 2021. – № 2. – С. 95-101. – Бібліогр.: 11 назв.uk
dc.identifier.orcid0000-0002-8935-4248uk
dc.identifier.orcid0000-0003-2867-101Xuk
dc.identifier.orcid0000-0001-1416-9651uk
dc.identifier.orcid0000-0001-8345-1613uk
dc.identifier.orcid0000-0001-7458-0835uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/54487
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.relation.ispartofЕнергетика: економіка, технології, екологія : науковий журнал, 2021, № 2uk
dc.subjectштучна нейронна мережаuk
dc.subjectповітряно-ґрунтовий теплообмінникuk
dc.subjectмоделюванняuk
dc.subjectпрогнозуванняuk
dc.subjectartificial neuron networkuk
dc.subjectair-ground heat exchangeruk
dc.subjectforecastinguk
dc.subjectsimulationuk
dc.subject.udc004.032.26;620.91uk
dc.titleПрогнозування теплового стану повітряноґрунтового теплообмінника із застосуванням штучної нейронної мережіuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
eete2021-2_p95-101.pdf
Розмір:
729.2 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Енергетика: економіка, технології, екологія: науковий журнал, № 2