شبیه سازی سامانه پایش وضعیت گلخانه نیمهصخورشیدی مجهز به صفحه حرارتی با توجه به شرایط آب و هوایی شهرستان تبریز
نام نخستين پديدآور
/مرتضی تاکی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: کشاورزی
تاریخ نشرو بخش و غیره
، ۱۳۹۴
نام توليد کننده
، راشدی
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی کشاورزی- مکانیزاسیون کشاورزیانرژی در کشاورزی
زمان اعطا مدرک
۱۳۹۴/۱۱/۲۸
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
بومصشناسی در برگیرنده بسیاری از جنبهصهای مهم کشاورزی است که متاسفانه تا الان به رشد قابل ملاحظهصای دست نیافته است .در این شاخه، گلخانهصهای کشاورزی بهصعنوان یکی از موثرترین روشصهای کشت مورد توجه بسیار است .دستصیابی به گلخانهصهای هوشمند با توان دریافت بیشصترین مقدار تابش خورشید و کمصترین مقدار تلفات حرارتی همیشه بهصعنوان یک هدف ایدهصآل مورد توجه محققان است .این تحقیق به منظور شبیهصسازی شرایط محیطی گلخانهصای نیمهصخورشیدی با ساختاری جدید و بررسی اثر استفاده از صفحه حرارتی داخلی بر میزان مصرف انرژی در فصل سرد سال در شهرستان تبانجام گرفت .بدین منظور، دادهصها از گلخانهصای نیمهصخورشیدی واقع در ایستگاه تحقیقاتی دانشکده کشاورزی دانشگاه تبریز توسط حسگرهای دما، رطوبت، تابشصسنج و بادسنج اخذ گردید .گلخانه مورد نظر باتوجه به شکلصهای رایج و بر اساس دریافت بیشصترین میزان تابش و کمصترین مقدار تلفات حرارتی ساخته شده و در آن از برخی ویژگیصهای یک گلخانه خورشیدی استفاده شده است .پیشصبینی دمای نقاط مختلف گلخانه در حالت وجود و عدم وجود صفحه حرارتی همراه با کشت گیاه کلم با مدلصهای حرارتی و شبکه عصبی انجام گرفت .نتایج نشان داد که شبکه عصبی ابزاری قدرتمند در تخمین دمای نقاط گلخانه مورد مطالعه در حالت وجود و عدم وجود صفحه حرارتی است .درصد میانگین خطای مطلق (MAPE) برای مدل حرارتی در تخمین دمای هوا، گیاه، سقف و خاک در حالت عدم وجود صفحه حرارتی به ترتیب حدود۵۸/۴ ،۲۱/۱۴ ، ۱۸/۸ و ۵۰/۱۰ برابر بیشصتر از مدل شبکه عصبی گزارش شد .این فاکتور در حالت وجود صفحه حرارتی و برای تخمین دمای هوای پایین صفحه حرارتی، دمای هوای بالای صفحه حرارتی، گیاه، خاک، سقف و صفحه حرارتی بهصترتیب حدود۵ ،۶/۱۴ ،۵/۶ ،۱۷/۹ ، ۸/۸ و ۷/۷ برابر بیشصتر از مقدار این شاخص توسط مدل شبکه عصبی گزارش شد .نتایج حاصل از کاربرد صفحه حرارتی بر میزان مصرف انرژی حاکی از آن است که این عایق متحرک قادر است نیاز گلخانه به مصرف انرژی را تا حدود ۵۸ کاهش داده و همچنین میزان تغییرات دمای گیاه در طول شب را به حداقل برساند .این حالت باعث رشد بیشصتر گیاه و جلوگیری از سرمازدگی در طول شبصهای سرد سال میصشود .نتایج کلی این تحقیق نشان داد که مدلصهای حرارتی به دلیل وجود انواع خطاهای ذاتی در روابط و همچنین نیاز به وجود انواع فرضیات، نمیصتوانند بهصعنوان مدلصهایی با دقت بالا مورد استفاده قرار گیرند و در آینده برای کنترل فازی شرایط گلخانه نیاز به استفاده از مدلصهای شبکه عصبی و هوش مصنوعی دوچندان خواهد بود .
متن يادداشت
The Ecological domain includes some aspects of agriculture that has been not having a good development until now. The commercial greenhouse is one of the most effective cultivation methods and has been at the center of attention. The artificial greenhouses with some important aspects such as receiving the maximum solar radiation and having a minimum heat loss are on the research. The aim of this research is simulation the inside environment of a greenhouse with a new structure and survey the effect of thermal screen on energy saving in the cold month of year in Tabriz City. For this purpose, data was recorded from a semi-solar greenhouse located in agricultural faculty at Tabriz University by some temperature and humidity sensors, solar meter and hot wire. This greenhouse has the best structure between all typical kinds of greenhouse and furthermore has the best situation about heat lost and gain between all types of greenhouse and has some characteristics of a solar greenhouse. Prediction the temperature in different zones of greenhouse with and without thermal screen was done by thermal and ANN models. Results showed that ANN is a good tools to predict the inside temperature in this greenhouse with and without the screen. The MAPE for thermal model to predict inside air, crop, roof and soil in the greenhouse without screen was 4.58, 14.21, 8.18 and 10.50 times more than this factor for ANN model. Also this factor (when we used thermal screen in this greenhouse) for thermal model to predict inside air below scree, inside air above screen, crop, soil, roof and thermal screen was 5, 14.6, 6.5, 9.17, 8.8 and 7.7 times more than similar amount for ANN model. The results of applied thermal screen in this greenhouse showed that this factor can decrees the energy consumption more than 58 and also can improve the fluctuation in crop temperature very much. The total results of this research showed that thermal models because of have some basic errors and also need to have some assumptions, cannot apply in the future greenhouse and we must use ANN for prediction and control the greenhouse
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )