Araştırma Makalesi
BibTex RIS Kaynak Göster

An Investigation with Neural Network of Heat Loss for Optimum Insulation

Yıl 2017, , 164 - 184, 30.12.2017
https://doi.org/10.29002/asujse.296867

Öz

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.

Kaynakça

  • [1] M.Ö. Ültanır, 21. Yüzyıla Girerken Türkiye’nin Enerji Stratejisinin Değerlendirilmesi, Yayın No: TÜSİAD-T/98-12/239 (TÜSİAD Yayınları, İstanbul, 2013).
  • [2] J. Wang, B. Malakooti, A Feed for wardneural network for multiple criteria decision making. Computers Operations Research, 19:2 (1992) 151-167.
  • [3] A.M. Flitman, Towards probabilistic foot tipping: A hybrid approach utilising genetically defined neural networks and linear programming, Computer Operating Research, 33:7 (2006) 2003-2022.
  • [4] Ö. Keleşoğlu, A. Fırat, Tuğla Duvardaki ve Tesisattaki Isı Kaybının Yapay Sinir Ağları İle Belirlenmesi, Fırat Üniv. Fen ve Müh. Bil. Dergisi, 18 (1) (2006) 133-141.
  • [5] M. Gölcü, A. Dombaycı, S. Abalı, Denizli için optimum yalıtım kalınlığının enerji tasarrufuna etkisi ve sonuçları, Gazi Üniv. Müh. Mim. Fak. Der., 21(4) (2006) 639-644.
  • [6] A. Bolattürk, Determination of optimum insulation thickness for building walls with respect to various fuels and climate zones in Turkey, Applied Thermal Engineering, 26 (11-12) (2006) 1301-1309.
  • [7] K. Çomaklı, B. Yüksel, Optimum insulation thickness of external walls for energy saving, Applied Thermal Engineering, 23 (4) (2003) 473-479.
  • [8] S. Öztuna, E. Dereli, Edirne ilinde optimum duvar yalıtım kalınlığının enerji tasarrufuna etkisi, Trakya Univ. J. Sci., 10(2) (2009) 139-147.
  • [9] T.H. Karakoç, E. Binyıldız, O. Turan, Binalarda ve Tesisatta Isı Yalıtımı, No: G20 (ODE Teknik Yayınları, 1999).
  • [10] B. Cirak, R. Kozan, Prediction of the Coating Thickness of Wire Coating Extrusion Processes Using ANN, Journal of Modern Applied Science, 3(7) (2009) 52-67.
  • [11] Ş.Ö. Şahin, Yapay sinir ağları yardımı ile dinamik bir senaryo analizi, Doktora tezi, İTÜ Fen Bilimleri Enstitüsü, İstanbul, 2001.
  • [12] S. Wang, N.P. Archer, A neural network technique in modelling multiple criteria multiple person decision making, Computers Operations Research, 21:2 (1993) 127-142.
  • [13] B. Çırak, Plastik Boru Üretimi Prosesinde Ekstrüzyon parametrelerinin YSA ile incelenmesi, Dicle Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 3(1) (2014) 33-42.
  • [14] Ç. Elmas, Yapay Sinir Ağları (Seçkin Yayıncılık, Ankara, 2003).

Optimum Yalıtım için Kayıpların Yapay Sinir Ağları ile İncelenmesi

Yıl 2017, , 164 - 184, 30.12.2017
https://doi.org/10.29002/asujse.296867

Öz

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.

Kaynakça

  • [1] M.Ö. Ültanır, 21. Yüzyıla Girerken Türkiye’nin Enerji Stratejisinin Değerlendirilmesi, Yayın No: TÜSİAD-T/98-12/239 (TÜSİAD Yayınları, İstanbul, 2013).
  • [2] J. Wang, B. Malakooti, A Feed for wardneural network for multiple criteria decision making. Computers Operations Research, 19:2 (1992) 151-167.
  • [3] A.M. Flitman, Towards probabilistic foot tipping: A hybrid approach utilising genetically defined neural networks and linear programming, Computer Operating Research, 33:7 (2006) 2003-2022.
  • [4] Ö. Keleşoğlu, A. Fırat, Tuğla Duvardaki ve Tesisattaki Isı Kaybının Yapay Sinir Ağları İle Belirlenmesi, Fırat Üniv. Fen ve Müh. Bil. Dergisi, 18 (1) (2006) 133-141.
  • [5] M. Gölcü, A. Dombaycı, S. Abalı, Denizli için optimum yalıtım kalınlığının enerji tasarrufuna etkisi ve sonuçları, Gazi Üniv. Müh. Mim. Fak. Der., 21(4) (2006) 639-644.
  • [6] A. Bolattürk, Determination of optimum insulation thickness for building walls with respect to various fuels and climate zones in Turkey, Applied Thermal Engineering, 26 (11-12) (2006) 1301-1309.
  • [7] K. Çomaklı, B. Yüksel, Optimum insulation thickness of external walls for energy saving, Applied Thermal Engineering, 23 (4) (2003) 473-479.
  • [8] S. Öztuna, E. Dereli, Edirne ilinde optimum duvar yalıtım kalınlığının enerji tasarrufuna etkisi, Trakya Univ. J. Sci., 10(2) (2009) 139-147.
  • [9] T.H. Karakoç, E. Binyıldız, O. Turan, Binalarda ve Tesisatta Isı Yalıtımı, No: G20 (ODE Teknik Yayınları, 1999).
  • [10] B. Cirak, R. Kozan, Prediction of the Coating Thickness of Wire Coating Extrusion Processes Using ANN, Journal of Modern Applied Science, 3(7) (2009) 52-67.
  • [11] Ş.Ö. Şahin, Yapay sinir ağları yardımı ile dinamik bir senaryo analizi, Doktora tezi, İTÜ Fen Bilimleri Enstitüsü, İstanbul, 2001.
  • [12] S. Wang, N.P. Archer, A neural network technique in modelling multiple criteria multiple person decision making, Computers Operations Research, 21:2 (1993) 127-142.
  • [13] B. Çırak, Plastik Boru Üretimi Prosesinde Ekstrüzyon parametrelerinin YSA ile incelenmesi, Dicle Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 3(1) (2014) 33-42.
  • [14] Ç. Elmas, Yapay Sinir Ağları (Seçkin Yayıncılık, Ankara, 2003).
Toplam 14 adet kaynakça vardır.

Ayrıntılar

Konular Mühendislik
Bölüm Araştırma Makalesi
Yazarlar

Bekir Cirak

Yayımlanma Tarihi 30 Aralık 2017
Gönderilme Tarihi 8 Mart 2017
Kabul Tarihi 24 Nisan 2017
Yayımlandığı Sayı Yıl 2017

Kaynak Göster

APA Cirak, B. (2017). An Investigation with Neural Network of Heat Loss for Optimum Insulation. Aksaray University Journal of Science and Engineering, 1(2), 164-184. https://doi.org/10.29002/asujse.296867
Aksaray J. Sci. Eng. | e-ISSN: 2587-1277 | Period: Biannually | Founded: 2017 | Publisher: Aksaray University | https://asujse.aksaray.edu.tr