Прогнозування теплового стану повітряноґрунтового теплообмінника із застосуванням штучної нейронної мережі
dc.contributor.author | Басок, Б. І. | |
dc.contributor.author | Новіцька, М. П. | |
dc.contributor.author | Недбайло, О. М. | |
dc.contributor.author | Ткаченко, М. В. | |
dc.contributor.author | Божко, І. К. | |
dc.date.accessioned | 2023-04-11T11:34:41Z | |
dc.date.available | 2023-04-11T11:34:41Z | |
dc.date.issued | 2021 | |
dc.description.abstract | 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. | uk |
dc.description.abstractother | The 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.pagerange | С. 95-101 | uk |
dc.identifier.citation | Прогнозування 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.orcid | 0000-0002-8935-4248 | uk |
dc.identifier.orcid | 0000-0003-2867-101X | uk |
dc.identifier.orcid | 0000-0001-1416-9651 | uk |
dc.identifier.orcid | 0000-0001-8345-1613 | uk |
dc.identifier.orcid | 0000-0001-7458-0835 | uk |
dc.identifier.uri | https://ela.kpi.ua/handle/123456789/54487 | |
dc.language.iso | uk | uk |
dc.publisher | КПІ ім. Ігоря Сікорського | uk |
dc.publisher.place | Київ | uk |
dc.relation.ispartof | Енергетика: економіка, технології, екологія : науковий журнал, 2021, № 2 | uk |
dc.subject | штучна нейронна мережа | uk |
dc.subject | повітряно-ґрунтовий теплообмінник | uk |
dc.subject | моделювання | uk |
dc.subject | прогнозування | uk |
dc.subject | artificial neuron network | uk |
dc.subject | air-ground heat exchanger | uk |
dc.subject | forecasting | uk |
dc.subject | simulation | uk |
dc.subject.udc | 004.032.26;620.91 | uk |
dc.title | Прогнозування теплового стану повітряноґрунтового теплообмінника із застосуванням штучної нейронної мережі | uk |
dc.type | Article | uk |
Файли
Контейнер файлів
1 - 1 з 1
Вантажиться...
- Назва:
- eete2021-2_p95-101.pdf
- Розмір:
- 729.2 KB
- Формат:
- Adobe Portable Document Format
- Опис:
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 9.1 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: