دانلود مقاله و خرید ترجمه:مدل‌سازی و پیش‌بینی کوتاه‌مدت سیستم HVAC با الگوریتم خوشه‌بندی
بلافاصله پس از پرداخت دانلود کنید

کارابرن عزیز، مقالات سایت ( همگی جزو مقالات isi می باشند) بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (حتی محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi مانند IEEE، Sciencedirect، Springer، Emerald و ... انتخاب گردیده اند.

آگهی چاپ مقاله isi
ورود اعضا
توجه توجه توجه !!!!
نرم افزار winrar
پیشنهادات ویژه
پیوندهای کاربردی
پیوندهای مرتبط
مقالات ترجمه شده مدیریت انرژی
  • مدل‌سازی و پیش‌بینی کوتاه‌مدت سیستم HVAC با الگوریتم خوشه‌بندی

    سال انتشار:

    2014


    ترجمه فارسی عنوان مقاله:

    مدل‌سازی و پیش‌بینی کوتاه‌مدت سیستم HVAC با الگوریتم خوشه‌بندی


    عنوان انگلیسی مقاله:

    Modeling and short-term prediction of HVAC system with a clustering algorithm


    منبع:

    Sciencedirect - Elsevier - Energy and Buildings 82 (2014) 310–321


    چکیده انگلیسی:

    Energy consumption and air quality index (AQI) prediction is important for efficient heating, ventilation, and air conditioning (HVAC) system operation and management. A data-mining approach is presented in this paper for modeling and short-term prediction of the complicated non-linear system. The multilayer perceptron (MLP) ensemble performs best among the data mining algorithms discussed in this paper. A clustering-based method from preprocessing input data to construct the prediction models is proposed to decreases the prediction errors and the computational cost. The effectiveness of the proposed method is validated through a practical case study with both modeling and short-term prediction. The analytical results showed that the method was capable of reducing the prediction errors for modeling and shortterm prediction by 11.05% and 12.21%, respectively, comparing with the models built without clustering method.
    Keywords: HVAC | Energy | Air quality index | Modeling | Prediction | Clustering algorithm


    چکیده فارسی:

    پیش‌بینی مصرف انرژی و شاخص کیفیت هوا (AQI) برای سیستم عملیاتی و مدیریت گرمایشی کارآمد، تهویه و تهویه مطبوع (HVAC) اهمیت دارد. در این مقاله، مدل‌سازی و پیش‌بینی کوتاه‌مدت سیستم غیر خطی پیچیده توسط رویکرد داده کاوی انجام شد. در میان الگوریتم های داده کاوی مورد بحث در این مقاله، مجموع پرسپترون چند لایه (MLP) بهترین اجر را داشت. روش مبتنی بر خوشه بندی از پردازش اولیه¬ی داده های ورودی برای ایجاد مدل های پیش بینی پیشنهادی به منظور کاهش خطاهای پیش بینی شده و هزینه های محاسباتی استفاده کردند. اثربخشی روش پیشنهادی از طریق مطالعه¬ی موردی کاربردی توسط هر دو مدل سازی و پیش بینی کوتاه مدت تایید شد. نتایج آنالیز نشان داد که این روش، میزان خطاهای پیش بینی شده در مدل سازی و پیش بینی های کوتاه مدت را در مقایسه با مدل هایی که بدون روش خوشه ایجاد شدند. به ترتیب 11.05٪ و 12.21٪، کاهش می¬دهد.
    کلمات کلیدی: HVAC | انرژی | شاخص کیفیت هوا | مدلسازی | پیش بینی | الگوریتم خوشه بندی


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 12
    تعداد صفحات فایل doc فارسی: 29

    حجم فایل: 2237 کیلوبایت


    قیمت: 34000 تومان  30600 تومان(10% تخفیف)


    توضیحات اضافی:




تعداد نظرات : 0

الزامی
الزامی
الزامی
مدیریت-انرژی
موضوعات