Utilization of LSTM neural network for water production forecasting of a stepped solar still with a corrugated absorber plate (Запись № 663395)

Подробно MARC
000 -Маркер
Поле контроля фиксированной длины 03264nlm1a2200433 4500
005 - Идентификатор версии
Поле контроля фиксированной длины 20231030041853.0
035 ## - Другие системные номера
Идентификатор записи (RuTPU)RU\TPU\network\34564
035 ## - Другие системные номера
Идентификатор записи RU\TPU\network\33290
100 ## - Данные общей обработки
Данные общей обработки 20210209a2021 k y0engy50 ba
101 0# - Язык ресурса
Язык текста, звукозаписи и т.д. английский
102 ## - Страна публикации или производства
Страна публикации
135 ## - Поле кодированных данных: электронные ресурсы
Кодированные данные для электронного ресурса drcn ---uucaa
181 #0 - Поле кодированных данных: вид содержания
Код вида содержания i
182 #0 - Поле кодированных данных: средство доступа
Код средства доступа electronic
200 1# - Заглавие и сведения об ответственности
Основное заглавие Utilization of LSTM neural network for water production forecasting of a stepped solar still with a corrugated absorber plate
Первые сведения об ответственности A. H. Elsheikh, V. P. Katekar, O. L. Muskens [et al.]
203 ## - Вид содержания и средство доступа
Вид содержания
Средство доступа
300 ## - Общие примечания
Текст примечания Title screen
330 ## - Резюме или реферат
Текст примечания This study introduces a long short-term memory (LSTM) neural network model to forecast the freshwater yield of a stepped solar still and a conventional one. The stepped solar still was equiped by a copper corrugated absorber plate. The thermal performance of the stepped solar still is compared with that of conventional single slope solar still. The heat transfer coefficients of convection, evaporation, and radiation process have been evaluated. The exergy and energy efficiencies of both solar stills have been also evaluated. The yield of the stepped solar still is enhanced by about 128 % compared with that of conventional solar still. Then, the proposed LSTM neural network method is utilized to forecast the hourly yield of the investigated solar stills. Field experimental data was used to train and test the developed model. The freshwater yield was used in a time series form to train the proposed model. The forecasting accuracy of the proposed model was compared with those obtained by conventional autoregressive integrated moving average (ARIMA) and was evaluated using different statistical assessment measures. The coefficient of determination of the forecasted results has a high value of 0.97 and 0.99 for the conventional and the stepped solar still, respectively.
333 ## - Примечания об особенностях распространения и использования
Текст примечания
461 ## - Уровень набора
Заглавие Process Safety and Environmental Protection
463 ## - Уровень физической единицы
Заглавие Vol. 148
Обозначение тома [P. 273-282]
Дата публикации 2021
610 1# - Неконтролируемые предметные термины
Предметный термин электронный ресурс
610 1# - Неконтролируемые предметные термины
Предметный термин труды учёных ТПУ
610 1# - Неконтролируемые предметные термины
Предметный термин stepped solar still
610 1# - Неконтролируемые предметные термины
Предметный термин corrugated absorber plate
610 1# - Неконтролируемые предметные термины
Предметный термин forecasting
610 1# - Неконтролируемые предметные термины
Предметный термин LSTM neural network
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Elsheikh
Часть имени, кроме начального элемента ввода A. H.
Расширение инициалов личного имени Ammar
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Katekar
Часть имени, кроме начального элемента ввода V. P.
Расширение инициалов личного имени Vikrant
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Muskens
Часть имени, кроме начального элемента ввода O. L.
Расширение инициалов личного имени Otto
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Deshmukh
Часть имени, кроме начального элемента ввода S. S.
Расширение инициалов личного имени Sandip
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Mokhamed Elsaed
Часть имени, кроме начального элемента ввода A. M.
Дополнения к именам, кроме дат Specialist in the field of informatics and computer technology
-- Professor of Tomsk Polytechnic University
Даты 1987-
Расширение инициалов личного имени Akhmed Mokhamed
-- stltpush
Идентификатор авторитетной/ нормативной записи (RuTPU)RU\TPU\pers\46943
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Dabour
Часть имени, кроме начального элемента ввода S. M.
Расширение инициалов личного имени Sherif
712 02 - Наименование организации – вторичная ответственность
Начальный элемент ввода Национальный исследовательский Томский политехнический университет
Структурное подразделение Инженерная школа информационных технологий и робототехники
-- Отделение информационных технологий
-- 7951
-- stltpush
Идентификатор авторитетной/ нормативной записи (RuTPU)RU\TPU\col\23515
801 #2 - Источник записи
Страна RU
Организация 63413507
Дата составления 20210902
Правила каталогизации RCR
856 4# - Местонахождение электронных ресурсов и доступ к ним
Универсальный идентификатор ресурса https://doi.org/10.1016/j.psep.2020.09.068
090 ## - System Control Numbers (Koha)
Koha biblioitem number (autogenerated) 663395
942 ## - Добавленные элементы ввода (Коха)
Тип документа Computer Files

Нет доступных единиц.