Kullanım Kılavuzu
Neden sadece 3 sonuç görüntüleyebiliyorum?
Sadece üye olan kurumların ağından bağlandığınız da tüm sonuçları görüntüleyebilirsiniz. Üye olmayan kurumlar için kurum yetkililerinin başvurması durumunda 1 aylık ücretsiz deneme sürümü açmaktayız.
Benim olmayan çok sonuç geliyor?
Birçok kaynakça da atıflar "Soyad, İ" olarak gösterildiği için özellikle Soyad ve isminin baş harfi aynı olan akademisyenlerin atıfları zaman zaman karışabilmektedir. Bu sorun tüm dünyadaki atıf dizinlerinin sıkça karşılaştığı bir sorundur.
Sadece ilgili makaleme yapılan atıfları nasıl görebilirim?
Makalenizin ismini arattıktan sonra detaylar kısmına bastığınız anda seçtiğiniz makaleye yapılan atıfları görebilirsiniz.
  Atıf Sayısı 2
 Görüntüleme 15
 İndirme 1
Düşey Tip Toprak Kaynaklı Isı Pompasının Yapay Sinir Ağları İle Ankara Şertlarında Yaz Mevsimi İçin Performans Tahmini
2019
Dergi:  
Gazi Mühendislik Bilimleri Dergisi (GMBD)
Yazar:  
Özet:

Bu çalışmada, 40 m sondaj derinliğine sahip düşey tip toprak kaynaklı bir ısı pompası bir mahalin soğutulması için kurulmuştur. Kurulan sisteminin enerji analizi sondaj derinliğinin fonksiyonu olarak soğutma sezonu için belirlenmiştir. Soğutma mevsimi için ısı pompasının performans katsayısı COPıp ve sistemin COPsis değerleri ise sırasıyla 3,12 ve 2,81 olarak hesaplanmıştır. Ayrıca deneylerden elde edilen sistemin performans değerleri Levenberg-Marquardt (LM) geri yayılım öğrenme algoritması ve Fermi transfer fonksiyonu kullanılarak yapay sinir ağları (YSA) ile modellenmiştir. Soğutma mevsimi dataları için R2, RMSE ve MAPE değerleri 0.997, 0.000242, 0.008643 olarak bulunmuştur. Böylece, farklı soğutma şartları için bu modelleme ile sistemin performansı başarılı bir şekilde analiz edilebilir.

Anahtar Kelimeler:

Performance Prediction Of Vertical Type Ground-sourca Heat Pump Via Artificial Neural Network For Summer Season In Ankara
2019
Yazar:  
Özet:

A vertical type ground-source heat pump having depth of 40 m has been set up to be cooled a space in the present study. Energy analysis of the set up system was determined for cooling season as a function of depth. Coeffient of performances of heat pump (COPHP) and the whole system (COPsystem) were calculated as 3,12 and 2,81 for cooling season, respectively. Coefficent of performances obtained from the experiments have been modelled via artifical neural network by using Levenberg-Marquardt (LM) back propagation learning algorithm and Fermi transfer function. R2, RMSE and MAPE values were predicted for cooling season data. It can be concluded that coeffient of performaces of the system will be accurately predicted by this modelling for different cooling conditions.  

Anahtar Kelimeler:

Atıf Yapanlar
Dikkat!
Yayınların atıflarını görmek için Sobiad'a Üye Bir Üniversite Ağından erişim sağlamalısınız. Kurumuzun Sobiad'a üye olması için Kütüphane ve Dokümantasyon Daire Başkanlığı ile iletişim kurabilirsiniz.
Kampüs Dışı Erişim
Eğer Sobiad Abonesi bir kuruma bağlıysanız kurum dışı erişim için Giriş Yap Panelini kullanabilirsiniz. Kurumsal E-Mail adresiniz ile kolayca üye olup giriş yapabilirsiniz.
Benzer Makaleler










Gazi Mühendislik Bilimleri Dergisi (GMBD)

Alan :   Mühendislik

Dergi Türü :   Ulusal

Metrikler
Makale : 306
Atıf : 694
2023 Impact/Etki : 0.094
Gazi Mühendislik Bilimleri Dergisi (GMBD)