An Investigation with Neural Network of Heat Loss for Optimum Insulation

In this study, two different artificial neural network models were used for insulation and non-insulation of the heating pipes used for heating in buildings and two different artificial neural networks (YSA) models for the insulated and non-insulated states of the building walls. 3-layer forward feed in YSA models designed for these situations and a back-propagation model is preferred. The sigmoid transfer function is used in the hidden layer and the linear transfer function is used in the output layer. Back propagation artificial neural network topology is preferred as YSA model and the data were presented to the network in normalized form. The temperature values obtained from the network are compared with the measured temperature values and the results are very close to one another. In this way, the use of artificial neural network method for estimation of 4 different internal models, definition of models and the prediction power has increased. In the random and periodic time interval, the inner plaster thickness is 2 cm, the outer plaster thickness is 3 cm and according to the wall width of 17 cm, 10 cm thick insulation (xps material insulated) and according to the non-insulated wall parameters The statistical data generated from this table that is not based on a nonlinear formula, ie, YSA, is introduced to the network structure and the results obtained by testing from the YSA model in the Matlab environment after training were compared and values very close to each other were determined. Again, in a random and periodic time interval insulated with 100 mm pipe size (insulated stapler material) and the values obtained from the table according to the uninsulated pipe parameters and the results from the YSA model were compared and compared very close values have been determined.

Burada yapılan çalışmada binalarda ısıtma için kullanılan kalorifer borularının yalıtımlı ve yalıtımsız durumları için iki ayrı yapay sinir ağı modeli ve bina duvarlarının yalıtımlı ve yalıtımsız durumları için iki ayrı yapay sinir ağı (YSA) modeli olmak üzere toplamda 4 ayrı model kullanılmıştır. Bu durumlar için tasarlanan YSA modellerinde 3 katmanlı ileri beslemeli ve geri yayılımlı bir model şekli tercih edilmiştir. Gizli katmanda sigmoid transfer fonksiyonu, çıkış katmanında ise doğrusal transfer fonksiyonu kullanılmıştır. YSA ağ topolojisi olarak geri yayılımlı yapay sinir ağı topolojisi tercih edilmiş ve veriler normalize edilerek ağa sunulmuştur. Ağdan elde edilen sıcaklık değerlerigerçekte ölçülen sıcaklık değerleri ile mukayese edilmiş ve sonuçların biribirlerine çok yakın olduğu görülmüştür. Bu durumda 4 farklı iç modelin tahmini için yapay sinir ağları metodunun kullanımı, modellerin tanımı ve tahmin etme gücünü artırmıştır. Rastgele ve periyodik zaman aralığı içinde iç sıva kalınlığı 2 cm, dış sıva kalınlığı 3 cm olan ve 17 cm duvar genişliğine göre, ayrıca 10 cm kalınlığında yalıtımlı (xps malzeme yalıtımlı) ve yalıtımsız duvar parametrelerine göre tablodan alınan değerler YSA ağ yapısına tanıtıldıktan sonra ve eğitildikten sonra Matlab ortamında YSA modelinden test edilerek alınan sonuçlar karşılaştırılmış ve birbirine çok yakın değerler tespit edilmiştir. Yine rastgele ve periyodik zaman aralığı içinde 100 mm boru boyutuna göre yalıtımlı (stropiyer malzeme yalıtımlı) ve yalıtımsız boru parametrelerine göre tablodan alınan değerler ile YSA modelinden alınan sonuçlar karşılaştırılmış ve biribirine çok yakın değerler tespit edilmiştir.