دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Mrinmoy Majumder. Apu K. Saha (auth.)
سری: SpringerBriefs in Energy
ISBN (شابک) : 9789812873071, 9789812873088
ناشر: Springer Singapore
سال نشر: 2016
تعداد صفحات: 58
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب مدل امکان سنجی گیاهان انرژی خورشیدی با تکنیک های ANN و MCDM: انرژی های تجدیدپذیر و سبز، هوش محاسباتی، فناوری انرژی، اقتصاد محیطی، تغییرات آب و هوا/تأثیرات تغییر اقلیم
در صورت تبدیل فایل کتاب Feasibility Model of Solar Energy Plants by ANN and MCDM Techniques به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مدل امکان سنجی گیاهان انرژی خورشیدی با تکنیک های ANN و MCDM نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این خلاصه مدل جدیدی را برای یافتن امکانسنجی هر مکانی برای تولید انرژی خورشیدی برجسته میکند. این مدل از آخرین تکنیکهای تصمیمگیری چند معیاره و شبکههای عصبی مصنوعی برای پیشبینی مناسب بودن یک مکان برای به حداکثر رساندن تخصیص انرژی موجود برای تولید مقدار بهینه برق که تقاضای بازار را برآورده میکند، استفاده میکند. با توجه به نتایج مطالعات موردی، برنامه های کاربردی بیشتر تشویق می شوند.
This Brief highlights a novel model to find out the feasibility of any location to produce solar energy. The model utilizes the latest multi-criteria decision making techniques and artificial neural networks to predict the suitability of a location to maximize allocation of available energy for producing optimal amount of electricity which will satisfy the demand from the market. According to the results of the case studies further applications are encouraged.
Front Matter....Pages i-x
Introduction....Pages 1-4
Solar Energy....Pages 5-8
Multi Criteria Decision Making....Pages 9-12
Artificial Neural Network....Pages 13-16
Methodology....Pages 17-20
Results and Discussions....Pages 21-45
Conclusion....Pages 47-49