شبکه‌های عصبی مصنوعی و رویکردهای سیستم‌های استنتاج عصبی – فازی تطبیقی برای پیش‌بینی داده‌های هواشناسی برای HVAC : مطالعه موردی شهرها برای ترکیه

منابع انرژی محدود و افزایش نیاز به انرژی به دلیل رشد جمعیت، محققان را به تمرکز بر این مسایل سوق می‌دهد. پیش‌بینی داده‌های هواشناسی در طراحی سیستم‌های حرارتی از اهمیت ویژه‌ای برخوردار است. در این مطالعه، پیش‌بینی داده‌های هواشناسی مورد استفاده در طراحی سیستم حرارتی برای ۵۰ شهر برای نشان دادن کل ترکیه انجام شد. داده‌های به‌دست‌آمده از مدیریت کل هواشناسی (MGM) با استفاده از شبکه‌های عصبی مصنوعی و سیستم‌های استنتاج فازی مبتنی بر شبکه تطبیقی، مدلسازی شدند. نرم‌افزار Matlab برای مدلسازی و پیش‌بینی داده‌های آینده‌نگر با حساسیت بالا در سیستم‌های حرارتی مورد استفاده قرار گرفت. برای ایجاد نقشه های رطوبت، دما و تابش خورشیدی برای ترکیه از نرم‌افزار Surfer و ArcGIS استفاده شد. خطای جذر میانگین مربعات (rmse)، میانگین قدر مطلق خطا و (MAE)، ضریب تغییرات (COV)و ضریب تعیین (R۲) برای اعتبارسنجی نتایج روش‌های پیشنهادی مورد استفاده قرار گرفتند. نتایج با توجه به rmse، MAE، COV و R۲ برای پیش‌بینی داده‌های هواشناسی رضایت‌بخش بودند. نقشه‌های پتانسیل انرژی خورشیدی سالانه برای ترکیه نیز پیشنهاد شده و با نتایج MG

Limited energy resources and increasing need for energy due to population growth seem to lead researchers to focus on these issues. Forecast of meteorological data has significant importance in design of thermal systems. In this study, forecasting of meteorological data used in thermal system design was performed for fifty cities to represent the entire Turkey. Data obtained from General Directorate of Meteorology (MGM) were modelled by artificial neural networks and adaptive-network based fuzzy inference systems. Matlab software was used for modeling and forecasting of prospective data with high sensitivity in thermal systems. Surfer and ArcGIS software were used to create humidity, temperature, solar radiation maps for Turkey. Root mean square error (RMSE), mean absolute error and (MAE), coefficient of variation (COV) and the coefficient of determination (R 2 ) were used to validate the result of the proposed approaches. The results were satisfactory with respect to RMSE, MAE, COV a