پیشبینی دمای هوای یک گلخانه با پوشش پلی اتیلن با استفاده از شبکههای عصبی مصنوعی، مطالعه موردی: منطقه جیرفت
نویسندگان
1 گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران
2 گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران.
3 گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران.
4 گروه مهندسی ماشینهای کشاورزی و مکانیزاسیون، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان-ملاثانی، خوزستان، ایران.
doi
10.22059/ijbse.2019.291077.665235چکیده
دمـا و کنترل آن در گلخانه یکی از پارامترهای مهم در گلخانهها بوده و نقش اساسی در اقتصادی بودن تولید دارد. با وجود این که گلخانه یک محیط بسته است ولی کاملاً از محـیط بیرون ایزوله نیست. بنابراین شرایط داخل گلخانه تحت تأثیر تغییـرات آب و هوایی بیرون دائماً تمایل به تغییر دارد. هدف از اجرای این تحقیق، تخمین دمای هوا در یک گلخانه با پوشش پلی اتیلن با توجه به پارامترهای خارجی گلخانه شامل دمای هوا (Tout)، رطوبت نسبی هوا (Hout)، شدت تابش خورشید (S) و سرعت باد (V) با استفاده از روشهای مختلف شبکههای عصبی مصنوعی شامل پرسپترون چند لایه (MLP)، تابع شعاع مدار (RBF) و عصبی-فازی (ANFIS) میباشد. مقایسه بین مدلهای مختلف شبکههای عصبی نشان داد که روش RBF با ضریب تبیین بالاتر )93/0 (R2=و خطای کمتر (25/2(RMSE= نسبت به دو روش MLP و ANFIS دارای عملکرد بهتر در پیشبینی بود. نتایج ارزیابی مدل RBF برای پیشبینی دما در ساعات آینده بیانگر خطای قابل قبول در پیش بینی توسط این مدل تا دو ساعت آینده بود و بنابراین کشاورزان زمان کافی برای فراهم نمودن تمهیدات لازم جهت جلوگیری از افزایش دما در گلخانه در ساعات آینده و صرفه جویی در مصرف انرژی خواهند داشت.
