El sistema fotovoltaico semitransparente integrado en edificios (BISTPV) es una tecnología emergente que sustituye a los materiales convencionales de envolvente y cubierta de los edificios. La predicción del rendimiento del sistema BISTPV desempeña un papel vital en la reducción del consumo energético del edificio. En este trabajo, la red neuronal artificial (RNA) se utiliza para predecir el rendimiento de este sistema mediante la optimización del parámetro importante de la selección de características. En este estudio se investigan el algoritmo de red neuronal de Elman (EN), la red neuronal feed forward (FN) y el modelo de red neuronal de regresión generalizada (GRN). Se analizan las métricas de rendimiento de los errores, como el error cuadrático medio (RMSE), el error porcentual medio absoluto (MAPE) y la raíz cuadrada media (MSE). Según los resultados, el modelo se comporta de forma coherente en el momento y el lugar especificados en el experimento. Los pronosticadores que utilicen modelos de redes neuronales tendrán mayor precisión si emplean técnicas como EN, FFN y GRN, con un RMSE de 0,25, 0,37 y 0,45, respectivamente.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Preparación y propiedades de una película de SnO2 depositada por pulverización catódica de magnetrón
Artículo:
Efecto del Isopropanol en la Microestructura y Actividad de Películas de TiO2 con Facetas {001} Dominantes para la Degradación Fotocatalítica de Bezafibrato
Artículo:
Estudio teórico y experimental de nuevos bis-espiropiranos fotocrómicos con sustituyentes hidroxietilo y carboxietilo
Artículo:
El impacto de la capacidad de despacho de las centrales ESTC cilindroparabólicas sobre las centrales fotovoltaicas en los territorios palestinos
Artículo:
Estudio de la región de transición de SiO x :H tipo p como capa ventana en células solares multiunión a-Si:H/a-Si 1 - y Ge y :H