پیش بینی دمای هوای یک گلخانه با پوشش پلی اتیلن با استفاده از شبکه های عصبی مصنوعی، مطالعه موردی: منطقه جیرفت

دما و کنترل آن در گلخانه یکی از پارامترهای مهم در گلخانه ها بوده و نقش اساسی در اقتصادی بودن تولید دارد. با وجود این که گلخانه یک محیط بسته است ولی کاملا از محیط بیرون ایزوله نیست. بنابراین شرایط داخل گلخانه تحت تاثیر تغییرات آب و هوایی بیرون دایما تمایل به تغییر دارد. هدف از اجرای این تحقیق، تخمین دمای هوا در یک گلخانه با پوشش پلی اتیلن با توجه به پارامتر های خارجی گلخانه شامل دمای هوا (Tout)، رطوبت نسبی هوا (Hout)، شدت تابش خورشید (S) و سرعت باد (V) با استفاده از روش های مختلف شبکه های عصبی مصنوعی شامل پرسپترون چند لایه (MLP)، تابع شعاع مدار (RBF) و عصبی-فازی (ANFIS) می باشد. مقایسه بین مدل های مختلف شبکه های عصبی نشان داد که روش RBF با ضریب تبیین بالاتر 93/0 = R2 و خطای کمتر 25/2 =RMSE نسبت به دو روش MLP و ANFIS دارای عملکرد بهتر در پیش بینی بود. نتایج ارزیابی مدل RBF برای پیش بینی دما در ساعات آینده بیانگر خطای قابل قبول در پیش بینی توسط این مدل تا دو ساعت آینده بود و بنابراین کشاورزان زمان کافی برای فراهم نمودن تمهیدات لازم جهت جلوگیری از افزایش دما در گلخانه در ساعات آینده و صرفه جویی در مصرف انرژی خواهند داشت.