شبکه عصبی RBF

طراحی سیستم مدیریت انرژی هوشمند ساختمان BIEMS) ) در بخش تهویه مطبوع، برای ساختمان هایی وسیع با موتورخانه های بزرگ و ورودی های پراکنده یک مساله چند هدفه و پیچیده است که باید همزمان حفظ پایداری سیستم، تطبیق با شرایط متغیر با زمان، کاهش اتلاف انرژی و حفظ کیفیت مناسب هوا تامین نماید. بنابراین برای دستیابی به این اهداف متقابل در این ساختمان ها، بکارگیری رویکرد کنترلی توزیع شده مناسب است. در این مقاله، یک سیستم مدیریت ساختمان چند عامله همکار( CMA BMS ) مجهز به کنترلرهای فازی و حسگرهای مجازی پیشنهاد می نماییم که هریک از عامل ها کنترل یکی از اجزای اصلی موتورخانه سرمایشی را در بخش مدار اولیه HVAC برعهده دارند و برخلاف کارهای گذشته، توپولوژی آنها افقی است و هر عامل مستقل و موازی عمل می کند که منجر به عملکرد سریعتر، تشخیص خطای راحتتر و توسعه پذیری بیشتر می گردد. برای مدلسازی از سنسورهای مجازی پیاده سازی شده با شبکه های عصبی RBF بهره برده ا یم که نقش پشتیبان سنسور واقعی را نیز دارند. برای ارزیابی طرح، دو BEMS با استراتژی های متمرکز مرسوم و پیشنهادی طراحی شده و مورد آزمایش قرار گرفته اند که نتایج شبیه سازی نشان می دهد طرح پیشنهادی پردازشگر و حافظه اصلی را کمتر مشغول نگه می دارد و همچنین کنترلرهای فازی در مصرف انرژی در مقابل کنترلرهای خطی عملکرد بهتری دارند.

هدف اصلی این مقاله، مدلسازی و پیش بینی میزان صادرات آبزیان دریایی در ایران است. برای این منظور، از روش های سری زمانی خود توضیح جمعی میانگین متحرک(ARIMA) و شبکه عصبی مصنوعی استفاده می شود. به منظور انجام بررسی، از داده های ماهانه دوره 1374:03 تا 1387:12 برای برآورد و آموزش مدل و از داده های دوره از 1388:01 تا 1390:12 به منظور بررسی قدرت پیش بینی مدل های مختلف استفاده می شود. در این مطالعه، معیارهای ارزیابی مختلفی شامل قدر مطلق خطا(MAE)، میانگین مجذور خطا(MSE)، درصد میانگین خطا(MAPE)، جذر ریشه میانگین خطا(RMSE) و جذر ریشه میانگین خطا نرمال شده (NRMSE) مورد استفاده قرار گرفتند.نتابج مطالعه نشان می دهد عملکرد پیش بینی مدل غیرخطی شبکه عصبی بهتر از مدل آماری ARIMA و در ساختارهای شبکه عصبی مورد مطالعه، شبکه عصبی تابع پایه شعاعی (RBF) بر حسب توابع مختلف خطا دارای بهترین عملکرد است. . در انتها برای دو سال 1391 و 1392 میزان صادرات آبزیان دریایی ایران پیش بینی شده است.