مدل‌سازی
فرخ معتضدیان؛ مرتضی تاکی؛ روح اله فرهادی؛ مصطفی رحمتی جنیدآباد
چکیده
این تحقیق، به شبیه‌سازی جریان انرژی یک گلخانه نیمه‌مدفون نیمه‌دوطرفه با استفاده از متغیرهای بیرونی و داخلی و حل عددی به روش دینامیک سیالات محاسباتی (CFD) می‌پردازد. در این تحقیق، داده‌های دما، رطوبت و تابش به‌صورت لحظه‌ای اندازه‌گیری شد و سپس از CFD جهت بررسی توزیع انرژی و تغییرات دما در دو ارتفاع 1 و 2 متری از سطح زمین استفاده گردید. ...
بیشتر
این تحقیق، به شبیه‌سازی جریان انرژی یک گلخانه نیمه‌مدفون نیمه‌دوطرفه با استفاده از متغیرهای بیرونی و داخلی و حل عددی به روش دینامیک سیالات محاسباتی (CFD) می‌پردازد. در این تحقیق، داده‌های دما، رطوبت و تابش به‌صورت لحظه‌ای اندازه‌گیری شد و سپس از CFD جهت بررسی توزیع انرژی و تغییرات دما در دو ارتفاع 1 و 2 متری از سطح زمین استفاده گردید. گلخانه مورد بررسی، به‌صورت یک گلخانه بسته در نظر گرفته شد و با توجه به روابط تجربی-ریاضی موجود در منابع، میزان دریافت، تلفات و خالص جذب شده انرژی در گلخانه محاسبه شد. نتایج این تحقیق نشان داد که روش CFD با 326030 المان چهار وجهی (tetrahedral) قادر است دمای هوای داخل گلخانه را با دقت مناسب در ارتفاع 1 متری (R2 = 0.987, MAPE = 2.17%) و 2 متری از کف (R2 = 0.987, MAPE = 2.28%) تخمین بزند. بررسی جریان انرژی نشان داد که این گلخانه، 6779.4 کیلوژول انرژی حرارتی انباشته ناشی از پرتوهای تابش را در مدت زمان آزمایش به زمین منتقل می‌کند و نسبت به سازه‌های روی سطح زمین، به‌طور متوسط حدود 40% تابش کم‌تری دریافت می‌کند. نتایج کلی این تحقیق و بررسی روند تغییرات دما در کف و دیواره‌ها نشان داد که در مناطق گرم کشور، زمین به‌عنوان منبع خوبی برای دریافت گرمای انباشته موجود در محیط گلخانه است و هرچه پوشش سطح داخلی گلخانه رسانایی گرمایی بیشتری داشته باشد، شار حرارتی به سمت عمق خاک بیشتر است.
مکیه حمدانی؛ مرتضی تاکی؛ مجید رهنما؛ عباس روحانی؛ مصطفی رحمتی جنیدآباد
چکیده
یکی از مهم‌ترین اقدامات به‌منظور ایجاد محیطی مناسب برای رشد بهینه گیاه گلخانه‌ای، کنترل دقیق متغیرهای داخلی گلخانه به‌منظور بهینه‌سازی میزان تبادلات انرژی بین گلخانه با محیط بیرون است. در این راستا یکی از ایده‌های جدید، هوشمندسازی گلخانه است. اولین قدم در این مسیر، پیش‌بینی تمامی متغیرهای تاثیرگذار یک گلخانه به حساب می‌آید. ...
بیشتر
یکی از مهم‌ترین اقدامات به‌منظور ایجاد محیطی مناسب برای رشد بهینه گیاه گلخانه‌ای، کنترل دقیق متغیرهای داخلی گلخانه به‌منظور بهینه‌سازی میزان تبادلات انرژی بین گلخانه با محیط بیرون است. در این راستا یکی از ایده‌های جدید، هوشمندسازی گلخانه است. اولین قدم در این مسیر، پیش‌بینی تمامی متغیرهای تاثیرگذار یک گلخانه به حساب می‌آید. از این رو در این تحقیق از دو مدل شبکه عصبی (MLP-RBF) برای تخمین چهار متغیر تأثیرگذار (شامل دمای هوا، گیاه، سقف و رطوبت هوای داخل گلخانه) یک گلخانه دوطرفه شیشه‌ای با ساختار ویژه واقع در شهر ملاثانی اهواز استفاده شد. بدین منظور از متغیرهای محیطی بیرونی شامل دما و رطوبت هوای بیرون و همچنین تابش روی سطح افق به‌عنوان فاکتورهای ورودی مدل‌ها، استفاده شد. داده‌برداری توسط حسگرهای مربوطه در گلخانه‌ای به مساحت (12 مترمربع) و حجم هوای (40 مترمکعب) انجام گرفت. نتایج نشان داد که مدل RBF از دقتی حدود 50% بیشتر نسبت به مدل MLP برخوردار است. در این تحقیق قابلیت تعمیم‌پذیری هر دو مدل با 80 و 40 درصد از کل داده‌های آموزشی مورد بررسی قرار گرفت. نتایج به‌دست آمده نشان داد که مدل RBF قادر است با مجموعه داده‌های کم‌تر نسبت به مدل MLP، نتایج را بهتر و دقیق‌تر برآورد کند. دقت بالاتر و قابلیت کار با مجموعه داده‌های کم‌تر از مزایای شناخته شده مدل RBF در این تحقیق بود که می‌تواند در هوشمند کردن گلخانه‌های نسل جدید و کنترل آن‌ها مورد استفاده قرار گیرد.
