This paper presents the results of Artificial Neural Network (ANN) based study, which will be used in prediction of building energy requirement. Building heating and cooling requirements were estimated by benefitting building form factor, orientation angle, insulation thickness and transparency ratio parameters as inputs. Because of the successful results achieved, a backpropagation ANN structure with Levenberg Marquardt training function is preferred and data presented to network by being normalized. The data used for training and testing of ANN were calculated by using explicit finite difference method for a brick wall. The numerical applications were carried out in FORTRAN program by using real average climatic data of Elazığ region. ANN applications were done with MATLAB program. When the outputs obtained from ANN were compared with numeric results, it is seen that the ANN based application predicts the building energy requirements with the accuracy ratio varying between 93–99%.
Bu çalışma, bina enerji ihtiyacı tahmininde kullanılabilecek Yapay Sinir Ağı (YSA) tabanlı bir yöntem sunmaktadır. Bina ısıtma ve soğutma enerjisi ihtiyaçlarının tahmin edilmesinde; bina biçim faktörü, yönlenme açısı, yalıtım kalınlığı ve saydamlık oranı parametrelerinden yararlanılmıştır. Yapılan çalışmada, daha başarılı sonuçlar elde edildiği için Levenberg-Marquardt eğitim fonksiyonu ile oluşturulan geri yayılımlı bir YSA yapısı tercih edilmiş ve veriler ağa normalize edilerek sunulmuştur. YSA'nın eğitimi ve test edilmesinde kullanılan veriler, tuğla duvar için Explicit sonlu fark metodu kullanılarak hesaplanmıştır. Sayısal uygulamalar, Elazığ yöresine ait gerçek iklimsel verileri kullanılarak FORTRAN programı ile gerçekleştirilmiştir. YSA uygulamaları ise MATLAB programı ile yapılmıştır. Çalışmada elde edilen YSA çıkışları sayısal sonuçlarla karşılaştırıldığında, YSA tabanlı tahmin uygulamasının %93–99 arasında değişen bir doğruluk oranı ile bina enerji ihtiyacını tahmin ettiği görülmüştür.
Primary Language | Turkish |
---|---|
Journal Section | Electrical Machines |
Authors | |
Publication Date | April 1, 2009 |
Published in Issue | Year 2009 Volume: 4 Issue: 3 |