پیش‌بینی دمای هوای یک گلخانه‌ با پوشش پلی اتیلن با استفاده از شبکه‌های عصبی مصنوعی، مطالعه موردی: منطقه جیرفت

Abstract

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 (T_out)، رطوبت نسبی هوا (H_out)، 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.