به گزارش خبرنگار علم و فناوری خبرگزاری برنا؛ این مطالعه که توسط محققان دانشگاه اردن آلمان انجام شد، بر الگوریتم مبتنی بر رفتار شکار مشترک شامپانزه‌ها در طبیعت متمرکز بود.
محققان تأثیر شامپانزه‌ها را بر پنج مدل متمایز یادگیری ماشین (ML) که ساخته شده و با پیش‌بینی تولید انرژی بر اساس چهار متغیر مستقل آب و هوایی سرعت باد، رطوبت نسبی، دمای محیط و تابش خورشیدی مقایسه می‌شوند، مطالعه کردند.
مدل‌های ارزیابی شده شامل رگرسیون خطی چندگانه (MLR)، رگرسیون درخت تصمیم (DTR)، رگرسیون جنگل تصادفی (RFR)، رگرسیون بردار پشتیبانی (SVR) و پرسپترون چند لایه (MLP) است. این مدل‌ها با استفاده از الگوریتم بهینه سازی شامپانزه (ChOA) برای ارزیابی عملکرد تنظیم شده اند.
براساس این مطالعه، سیستم‌های خورشیدی فتوولتائیک (PV)، جزء اصلی انرژی پایدار، با چالش‌هایی در پیش‌بینی مواجه هستند که به دلیل ماهیت غیرقابل پیش‌بینی عوامل محیطی که بر تولید انرژی تأثیر می‌گذارند، مواجه هستند.
اهمیت پیش بینی PV در بسیاری از کاربرد‌های PVs برای مدیریت و نگهداری مناسب سیستم‌های PV در سراسر جهان انجام می‌شود. بر اساس مطالعه منتشر شده در مجله Nature، مدیریت شبکه‌های کاربردی موثر از این فرآیند تحقق می‌یابد، با توجه به توانایی عظیم پیش بینی تولید مورد انتظار در تولید انرژی.
هر پنج مدل، با شامپانزه‌ها و بدون آن، در ۹۴۸ رکورد آموزش دیده و در ۳۶۲ رکورد آزمایش شده اند. این سوابق بین سال‌های ۲۰۱۵ و ۲۰۱۸ از یک سیستم PV ۲۶۴ کیلو وات نصب شده بر روی سقف دانشگاه علوم کاربردی در عمان، پایتخت اردن گرفته شده است. مجله PV گزارش داد که زاویه شیب نصب در ۱۱ درجه و زاویه azimuth به -۳۶ درجه تنظیم شده است.
انتهای پیام/