Estimation of renewable energy and built environment-related variables using neural networks - A review

این مقاله بررسی کاربرد شبکه های عصبی برای برآورد، پیش بینی، نظارت و طبقه بندی متغیرهای محیطی خارجی که بر عملکرد، سالمندی و امنیت شهرها، ساختمان ها و زیرساخت ها تأثیر می گذارد، ارائه شده است. پیش بینی این متغیرها امکان بررسی انرژی های تجدید پذیر و منابع آب را برای جلوگیری از موقعیت های ساخت و ساز بالقوه خطرناک و یافتن مکان های سالم تر فراهم می کند. پنج موضوع تحقیقاتی شامل خورشید، جوی، هیدرولوژیکی، زمین شناسی و تغییرات آب و هوایی است. بخش خورشیدی شامل تابش خورشید، تابش مستقیم و پخش شده، اشعه مادون قرمز و اشعه ماوراء بنفش، شاخص روشنایی، و روشنایی آسمان و اثر نورانی است. بخش جوی بررسی باد، دما، رطوبت، طبقه بندی ابر و پیش بینی طوفان. بخش هیدرولوژیکی بر بارش، بارش باران، روان، گره، برف، خشکسالی، سیل، جزر و مد، سطح آب و سایر متغیرها تمرکز دارد. بخش زمین شناسی کارهایی را در زمره لغزش ها، زمین لرزه ها، مایع سازی، فرسایش، طبقه بندی خاک، مکانیک خاک و سایر ویژگی ها انجام می دهد. در نهایت پیش بینی و تغییرات اقلیمی مدل های آب و هوایی بررسی می شود. این کار طیف وسیعی از برنامه های کاربردی این روش ها را در زمینه های مختلف تحقیق نشان می دهد. برخی از شکاف های تحقیق و فرصت های تحقیق بین رشته ای برای توسعه آینده روش های پیش بینی و ارزیابی جامع در زمینه برآورد انرژی تجدید پذیر و متغیرهای مرتبط با محیط زیست شناسایی شده اند.