فایل ورد کامل مدل‌سازی و پیش‌بینی کوتاه‌مدت سیستم HVAC با الگوریتم خوشه‌بندی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل مدل‌سازی و پیش‌بینی کوتاه‌مدت سیستم HVAC با الگوریتم خوشه‌بندی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۳۳ صفحه

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 ۱۱.۰۵ و ۱۲.۲۱، کاهش می دهد.

کلمات کلیدی: HVAC | انرژی | شاخص کیفیت هوا | مدلسازی | پیش بینی | الگوریتم خوشه بندی

عنوان انگلیسی:

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

~~en~~ writers :

Fan Tang, Andrew Kusiak, Xiupeng Wei

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

$$en!!