این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی مکانیک مدرس، جلد ۱۵، شماره ۶، صفحات ۱۶-۲۲
عنوان فارسی مدلسازی و پیش بینی میزان انرژی مصرفی در صنایع غذایی و فرآوری کشور به روش شبکه‌های عصبی مصنوعی
چکیده فارسی مقاله در تمامی جوامع و کشورها به منظور برنامه‌ریزی برای تأمین انرژی بخش‌های مختلف نیاز به پیش‌بینی صحیح برای تعیین میزان تقاضا، نوع حامل‌های انرژی و چگونگی تأمین آن وجود دارد. با توجه به اهمیت صنایع غذایی در هر کشور، در این پژوهش مدلسازی میزان انرژی مصرفی این بخش از صنعت مورد مطالعه قرار گرفت. در این مقاله مدلسازی انرژی توسط روش شبکه‌های عصبی مصنوعی انجام پذیرفت. در اولین گام با توجه به آمارنامه‌ها، ترازنامه‌ها و روش پیشنهادی در این مقاله داده‌های ورودی مدل محاسبه گشت. دو روش شبکه عصبی چندگانه و شبکه عصبی تکی مورد بررسی قرار گرفت و نتایج نشان داد شبکه عصبی چندگانه دقت بالاتری دارد. برای هرکدام از حامل-های انرژی (گازوئیل، نفت سفید، نفت کوره، گاز طبیعی، برق، بنزین و گاز مایع) با میانگین‌گیری از 20 بار اجرای برنامه برای هر مشخصه شبکه، بهترین شبکه عصبی انتخاب شد. در انتها با محیط سیمولینک متلب هفت شبکه اجرا شده در قالب مدل نهایی تهیه شد. تحلیل داده‌ها نشان می‌دهد روز به روز در این صنعت مصرف گاز طبیعی روبه افزایش است ولی میزان مصرف نفت کوره و گاز مایع رو به کاهش است.
کلیدواژه‌های فارسی مقاله مدلسازی انرژی، انرژی مصرفی، صنایع غذایی و فرآوری، شبکه عصبی،
عنوان انگلیسی Modeling and Forecasting of Energy Consumption in Food and Processing Industry using Artificial Neural Networks
چکیده انگلیسی مقاله In all societies and countries, in order to plan to provide the required energy for various sectors, it is necessary to accurately predict the demand, type of energy carriers and energy supply method. Considering the importance of food industries in each country, in this study, modeling of required energy for food industries sector was investigated. Modeling of energy consumption was performed using artificial neural networks. In the first step, the input data to the model was calculated according to statistics, balance sheets and input method proposed in this paper. Two methods, namely multiple neural network and single neural network were tested and the results showed that multiple neural network has a higher accuracy. For each of the energy carriers (gasoline, kerosene, fuel oil, natural gas, electricity, gasoline and LPG) the best neural network was selected by taking the average of 20 times per program for each network characteristic. Finally, the network was implemented in the form of final model using Simulink environment of MATLAB 7.0 software. Data analysis showed that daily consumption of natural gas in the industry is increasing, while the consumption of fuel oil and LPG is going to be decreased.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله بهرام حسین زاده سامانی | hosseinzadeh samani
دانشگاه شهرکرد
سازمان اصلی تایید شده: دانشگاه شهرکرد (Shahr kord university)

حامد حوری جعفری | houri jafari
هیات علمی مرکز مطالعات بین الملل انرژی

نشانی اینترنتی http://mme.modares.ac.ir/article_12637_d0d0cf78e08606523497f360af0fbf64.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1256/article-1256-227989.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات