پيش‌بيني متغيرهاي داخلي يك گلخانه دوطرفه شيشه‌اي با ساختار ويژه با استفاده از مدل‌هاي شبكه عصبي (MLP و RBF)

يكي از مهم‌ترين اقدامات به‌منظور ايجاد محيطي مناسب براي رشد بهينه گياه گلخانه‌اي، كنترل دقيق متغيرهاي داخلي گلخانه به‌منظور بهينه‌سازي ميزان تبادلات انرژي بين گلخانه با محيط بيرون است. در اين راستا يكي از ايده‌هاي جديد، هوشمندسازي گلخانه است. اولين قدم در اين مسير، پيش‌بيني تمامي متغيرهاي تاثيرگذار يك گلخانه به حساب مي‌آيد. از اين رو در اين تحقيق از دو مدل شبكه عصبي (MLPRBF) براي تخمين چهار متغير تأثيرگذار (شامل دماي هوا، گياه، سقف و رطوبت هواي داخل گلخانه) يك گلخانه دوطرفه شيشه‌اي با ساختار ويژه واقع در شهر ملاثاني اهواز استفاده شد. بدين منظور از متغيرهاي محيطي بيروني شامل دما و رطوبت هواي بيرون و همچنين تابش روي سطح افق به‌عنوان فاكتورهاي ورودي مدل‌ها، استفاده شد. داده‌برداري توسط حسگرهاي مربوطه در گلخانه‌اي به مساحت (12 مترمربع) و حجم هواي (40 مترمكعب) انجام گرفت. نتايج نشان داد كه مدل RBF از دقتي حدود 50% بيش‌تر نسبت به مدل MLP برخوردار است. در اين تحقيق قابليت تعميم‌پذيري هر دو مدل با 80 و 40 درصد از كل داده‌هاي آموزشي مورد بررسي قرار گرفت. نتايج به‌دست آمده نشان داد كه مدل RBF قادر است با مجموعه داده‌هاي كم‌تر نسبت به مدل MLP، نتايج را بهتر و دقيق‌تر برآورد كند. دقت بالاتر و قابليت كار با مجموعه داده‌هاي كم‌تر از مزاياي شناخته شده مدل RBF در اين تحقيق بود كه مي‌تواند در هوشمند كردن گلخانه‌هاي نسل جديد و كنترل آن‌ها مورد استفاده قرار گيرد.