دانشگاه تهرانمهندسی بیوسیستم ایران2008-480355320240922Assessment of bioenergy production potential from agricultural residues in Markazi Provinceپتانسیلسنجی تولید انرژی زیستی از پسماندهای کشاورزی در استان مرکزی11610114610.22059/ijbse.2024.381242.665564FAمجیدخانعلیگروه مهندسی ماشینهای کشاورزی، دانشکده کشاورزی، دانشکدگان کشاورزی و منابعطبیعی، دانشگاه تهران، کرج، ایران0000-0001-6133-4862موحدسپهوندگروه تحقیقات فنی و مهندسی، مرکز تحقیقات و آموزش کشاورزی و منابعطبیعی لرستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، خرمآباد، ایران0009-0002-3669-5150حسنقاسمی مبتکرگروه مهندسی ماشینهای کشاورزی، دانشکده کشاورزی، دانشکدگان کشاورزی و منابعطبیعی، دانشگاه تهران، کرج، ایران0000-0001-7074-7079شیرینمحمدسمیعیگروه مهندسی ماشینهای کشاورزی، دانشکده کشاورزی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران0009-0006-4375-0153Journal Article20240907The depletion of fossil resources and the environmental impacts of burning fossil fuels have heightened the importance of renewable energy sources, including biomass. One effective way to harness biomass energy is through the simultaneous production of electricity and heat from agricultural waste. Given the significant amount of agricultural residues and their inadequate management in the country, it is crucial to assess the potential for bioenergy production and analyze the distribution of this renewable resource across different regions of Iran. This research aims to evaluate the bioenergy production potential from agricultural residues in Markazi Province. Data for this study was gathered from relevant organizations, library sources, and agricultural statistics covering crops (2016-17 to 2020-21) and horticulture (2017-21) over a five-year period. The results indicate that the annual production of crops and horticulture in the province was 1,194,134 tons. The theoretical biomass potential, theoretical energy potential, and available energy from these residues were calculated to be 910,069 tons, 15,424,483 GJ, and 3,340,869 GJ, respectively. The energy potential and the electrical and thermal output of the CHP (Combined Heat and Power) system from the residues were estimated at 263,449 MWh of electricity (37.65 MW) and 406,994 MWh of heat (58.16 MW). Additionally, the global warming potential index was estimated to be 181,954.54 tons of CO2 equivalent. Based on the per capita electricity consumption of 6.218 MWh in the province for 2021, the electrical energy generated from these residues could meet the electricity needs of 42,369 residents.محدودیت منابع فسیلی و اثرات زیستمحیطی ناشی از سوختن آنها، اهمیت استفاده از انرژیهای تجدیدپذیر از جمله انرژی زیستتوده را افزایش داده است. یکی از راههای تولید انرژی از زیست توده، تولید همزمان برق و حرارت از انرژی پسماندهای کشاورزی است. با توجه به سهم بالای پسماندهای کشاورزی و عدم مدیریت صحیح آن در کشور، ضروری است پتانسیل تولید انرژی زیستی و تعیین پراکندگی این منبع تجدیدپذیر در مناطق مختلف ایران مورد ارزیابی قرار گیرد. بنابراین این تحقیق با هدف پتانسیلسنجی تولید انرژی زیستی از پسماندهای کشاورزی در استان مرکزی صورت گرفت. اطلاعات مربوط بهاین مطالعه از سازمانهای ذیربط، منابع کتابخانهای و آمارنامههای کشاورزی محصولات زراعی (1400-1399) – (96-1395) و باغی (1396-1400) برای یک دوره 5 ساله جمعآوری شد. بر اساس نتایج؛ میزان تولید سالانه کل محصولات زراعی و باغی شاخص در استان 1194134 تن و مقادیر زیستتوده نظری، پتانسیل انرژی نظری و انرژی قابل استحصال از پسماند این محصولات بهترتیب 910069 تن، 15424483 گیگاژول و 3340869 گیگاژول محاسبه شد. پتانسیل انرژی و توان الکتریکی و حرارتی سامانه CHP از پسماند کل محصولات زراعی و باغی مورد مطالعه بهترتیب 263449 مگاواتساعت برق با توان 65/37 مگاوات و 406994 مگاواتساعت حرارت با توان 16/58 مگاوات بهدست آمد. همچنین مقدار شاخص پتانسیل گرمایش جهانی 54/181954 تن معادل CO2، برآورد شد. با توجه به سرانه مصرف برق 218/6 مگاواتساعتی استان در سال 1400، انرژی الکتریکی تولید شده از پسماند کل محصولات شاخص زراعی و باغی، میتواند نیاز برق 42369 نفر از جمعیت استان را تامین نماید.https://ijbse.ut.ac.ir/article_101146_aa8c9f33a4d317a3353362c874e778f0.pdfدانشگاه تهرانمهندسی بیوسیستم ایران2008-480355320240922Design and Development of an Automated Pneumatic System for Measuring Xylem Cavitation in Plantsطراحی و توسعه سامانه نئوماتیک خودکار برای اندازهگیری حفرهزایی آوند در گیاهان173110114710.22059/ijbse.2025.384102.665570FAحمیدرضابخشیگروه فنی کشاورزی، دانشکده فناوری کشاورزی، دانشگاه تهران، تهران، ایران0009-0009-3530-6919غلامرضاچگینی2. گروه فنی کشاورزی ، دانشکده فناوری ابوریحان -دانشگاه تهران0000-0003-1951-1604اکبرعرب حسینیگروه فنی کشاورزی، دانشکده فناوری کشاورزی، دانشگاه تهران، تهران، ایران0000-0002-5572-7798Journal Article20241029Cavitation, which involves the formation of air bubbles in plant xylem, significantly impairs water transport, affecting a plant's ability to move water effectively. This phenomenon is primarily caused by water vapor, air intrusion, and is often exacerbated by drought conditions in summer, freezing temperatures in winter, and physical damage to the plant. Traditional methods for measuring cavitation are labor-intensive and require extensive laboratory sampling. This study presents an automated pneumatic system designed to directly measure cavitation resistance in plant xylem. The system includes an electronic circuit, a pressure sensor, a vacuum pump, and pneumatic connections, enabling it to evaluate the plant's response to negative pressure, with leaf potential assessed using a psychrometer. We conducted tests on seven samples each of the "Mashhad walnut cluster genotype" and the "Iran walnut genotype," with three replicates for each. The system successfully generated vulnerability curves and compared plant samples under both laboratory and field conditions. Results indicated that the Mashhad cluster walnut genotype demonstrated greater cavitation resistance compared to the Iranian walnut genotype. These findings highlight the pneumatic system's efficiency and speed in assessing pore resistance in plants, contributing significantly to research aimed at improving plant water transport systems and physiological performance, making it a valuable tool for both laboratory and field studies in plant physiology.یکی از مشکلات اصلی در سامانه انتقال آب در گیاهان حفرهزایی یا تشکیل حبابهای هوا در آوند است، که باعث کاهش ظرفیت انتقال و آسیب به گیاه میگردد. این پدیده به دلیل عواملی مانند تنش خشکی، انجماد یا آسیبهای فیزیکی رخ میدهد و معمولاً اندازهگیری آن به روشهای زمانبر و نیازمند نمونههای متعدد انجام میشود. در این تحقیق، یک سامانه خودکار نئوماتیک برای اندازهگیری حفرهزایی طراحی و ساخته شد که شامل مدار الکترونیکی، حسگر فشار، پمپ خلأ و اتصالات نئوماتیک بود. این سامانه با اعمال فشار منفی به گیاه و اندازهگیری پتانسیل برگ با استفاده از دستگاه سایکرومتر، پاسخ آوندها را ثبت میکند. ترکیب این سامانه با دستگاههای قابلحمل اندازهگیری پتانسیل آب برگ، یک سامانه کاملاً خودکار را برای دستیابی به منحنیهای آسیبپذیری دقیق، چه در شرایط آزمایشگاهی و چه در محیط مزرعه، ارائه میدهد. برای ارزیابی دستگاه، آزمایشهایی بر روی هفت نمونه از ژنوتیپ گردوی "خوشهای مشهد" و هفت نمونه از ژنوتیپ گردوی "ایرانی" با سه تکرار انجام شد. نتایج نشان داد که ژنوتیپ خوشهای مشهد مقاومت بیشتری در برابر حفرهزایی نسبت به گردوی ایرانی دارد. سامانه نئوماتیک توسعهیافته توانست بهصورت کارآمد منحنیهای آسیبپذیری را اندازهگیری کرده و امکان مقایسه نمونهها را در شرایط آزمایشگاهی و مزرعهای فراهم آورد. این سامانه بهعنوان ابزاری دقیق و سریع، میتواند در پژوهشهای مرتبط با بهبود ویژگیهای فیزیولوژیک گیاهان کاربرد گستردهای داشته باشد و امکان اندازهگیری چندین نمونه یا اندام گیاهی مختلف (مانند ریشه، ساقه و برگ) و مقایسه آنها را در سطح نمونه فراهم کند.https://ijbse.ut.ac.ir/article_101147_c776f39e9aee421d03bdb951225e76b5.pdfدانشگاه تهرانمهندسی بیوسیستم ایران2008-480355320240922Design and development of a machine olfaction with the capability of remote information transmission for food industry applicationsطراحی و ساخت ماشین بویایی با قابلیت انتقال اطلاعات از دور برای کاردبردهای صنایع غذایی334710114810.22059/ijbse.2025.384914.665573FAمهدیقاسمی ورنامخواستیگروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه شهرکرد، شهرکرد، ایران0000-0001-6339-2062زهراایزدیگروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه شهرکرد، شهرکرد، ایران0000-0002-1730-9851Journal Article20241105Odor fingerprinting technology with machine olfaction is one of the new methods that has attracted the attention of researchers in the field of food quality inspection, and it includes an array of selective sensors connected to a pattern recognition program. Providing the ability to transmit information remotely with a wireless machine olfaction can be of great help in using this system on the Internet of Things (IoT) platform. In this research, the design and development stages of the electronic nose system with the ability to connect wirelessly with the computer have been described. ESP32 board was used for this device. ESP32 is a low-cost and low-power microcontroller board of the SoC chip type. This type of chip is a type of integrated circuit that integrates several components of a computer or electronic system into a single chip. These components typically include the processor, memory, I/O interfaces, and other features such as graphics processing and networking capabilities. In the written program, receiving data from sensors is done with the I2C communication protocol. The voltage of the sensors is calculated and converted to digital values by the ADS1115 analog-to-digital converter. Finally, in order to test the built device, formalin adulteration was used in milk, and the device showed a good performance in transmitting information. The voltage response of the sensors to the change in the odor pattern in the samples was measured for three groups of milk (pure milk and milk samples adulterated with formalin at volume percentages of 0.1 and 1 g/100 cc) and finally the response of the sensor array for all samples was recorded and stored. The sensor (TGS822) showed the highest loading coefficient in separating samples containing formalin, followed by the sensors (MQ135) and (MQ7) which had a significant effect in separating the samples.فناوری اثرگیری بو با ماشین بویایی از روشهای جدیدی است که در زمینه بررسی کیفی مواد غذایی بسیار مورد توجه محققان قرار گرفته است و شامل آرایهای از حسگرهای انتخابی متصل به برنامه تشخیص الگو است. ایجاد قابلیت انتقال اطلاعات از راه دور با ماشین بویایی بی سیم میتواند در بکارگیری این سامانه بر بستر اینترنت اشیا کمک شایانی نماید. در این تحقیق مراحل طراحی و ساخت سامانه بینی الکترونیک با قابلیت اتصال بیسیم با رایانه تشریح شده است. برای این دستگاه از برد ESP32 استفاده گردید. ESP32 نوعی مدار مجتمع است که چندین جزء از یک کامپیوتر یا سیستم الکترونیکی را در یک تراشه ادغام میکند. این اجزا معمولاً شامل پردازنده، حافظه، رابطهای ورودی/خروجی و سایر ویژگیها مانند پردازش گرافیکی و قابلیتهای شبکه میباشند. در برنامه نوشته شده دریافت دادهها از سنسورها با پروتکل ارتباطی I2C انجام میگیرد. ولتاژ سنسورها توسط مبدل آنالوگ به دیجیتال ADS1115 محاسبه و به مقادیر دیجیتال تبدیل میشوند. در نهایت به منظور آزمون دستگاه ساخته شده، از تقلب فرمالین در شیر استفاده شد که دستگاه عملکرد 83 درصد در انتقال اطلاعات را نشان داد. پاسخ ولتاژی حسگرها به تغییر الگوی بو در نمونهها برای سه گروه شیر (شیر خالص و نمونههای شیر با تقلب فرمالین با درصدهای حجمی ۱/۰ و ۱ گرم در ۱۰۰ سیسی) اندازهگیری شد و نهایتاً پاسخ آرایه حسگری برای همه نمونهها ثبت و ذخیرهسازی شد. حسگر (TGS822) بیشترین ضریب لودینگ را تفکیک نمونههای حاوی فرمالین نشان دارد و در ادامه سنسورهای (MQ135) و (MQ7) تأثیر بهسزایی در تفکیک نمونهها داشتند.https://ijbse.ut.ac.ir/article_101148_992c0d46f142e8138c3ab66c51d93d52.pdfدانشگاه تهرانمهندسی بیوسیستم ایران2008-480355320240922Acoustic Analysis of Beehives for Precision Beekeeping Based on the Internet of Things: A Case Study on Improving Hive Health and Productivityتحلیل صوتی کندوی زنبور عسل در زنبور داری دقیق مبتنی بر اینترنت اشیا (مطالعه موردی: بهبود سلامت وبهره وری کندو)497110114910.22059/ijbse.2025.383049.665567FAپیامفرامرزیدانشجوی دکتری گروه مهندسی ماشینهای کشاورزی-دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران، تهران، ایران0009-0008-1608-3687رضاعلیمردانیاستاد تمام گروه مهندسی ماشینهای کشاورزی-دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران،تهران، ایران0000-0002-9756-3373حکمتربانیدانشیار گروه مهندسی مکانیک بیوسیتم -دانشکدگان کشاورزی و منابع طبیعی دانشگاه رازی،ایران0000-0003-1152-0338حسینموسی زادهاستاد تمام گروه مهندسی ماشینهای کشاورزی-دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران، ایران،0000-0002-3872-5678Journal Article20241005 Pollination is essential for the sexual reproduction of many crops, fruits, and most wild plants. Among animal pollinators, solitary and social bees play a major role. In addition to their role in pollinating wild plants, managed honeybee colonies are economically the most valuable group of pollinators for monoculture crops and fruits worldwide. This study presents a novel method for diagnosing honeybee colony diseases and problems using sound analysis and deep learning. First, the sounds produced by the honeybee colony were recorded by designing a smart beehive and placing a microphone in an optimal location. Then, by converting the audio signals into spectrograms and using convolutional neural networks, sound patterns associated with various diseases and problems such as queen less ness, varroa mite infestation, and foulbrood and nosema diseases were identified. The results showed that this method is capable of diagnosing these problems with an accuracy of over 98%. For example, the model was able to detect queen less ness with 98.62% accuracy, the probability of varroa mite presence with 98.59% accuracy, and the probability of foulbrood disease with 98.71% accuracy. Finally, by implementing the Internet of Things in the hive management system, a significant improvement in the quantity and quality of honey produced was observed. This research shows that sound analysis and deep learning can be used as a powerful tool for monitoring the health of honeybee colonies and increasing productivity in the beekeeping industry.گرده افشانی برای تولید مثل جنسی بسیاری از محصولات، میوه ها و اکثر گیاهان وحشی مهم است. در میان گرده افشان های جانوری، گرده افشانی توسط زنبورهای منفرد و اجتماعی، نقش عمده ای را ایفا میکنند. علاوه بر نقش آنها در گرده افشانی گیاهان وحشی، زنبورهای عسل مدیریت شده از نظر اقتصادی با ارزش ترین گروه گرده افشان در گیاهان تک محصولی و میوه در سراسر جهان هستند. در این پژوهش، روشی نوین برای تشخیص بیماریها و مشکلات کندوی زنبور عسل با استفاده از تحلیل صوتی و یادگیری عمیق ارائه شده است. ابتدا، با طراحی یک کندوی هوشمند و قرار دادن میکروفن در مکان بهینه، صداهای تولید شده توسط کلونی زنبور عسل ضبط شد. سپس، با تبدیل سیگنالهای صوتی به اسپکتروگرام و استفاده از شبکههای عصبی کانولوشنی، الگوهای صوتی مرتبط با بیماریها و مشکلات مختلف مانند نبود ملکه، آلودگی به کنه واروآ و بیماریهای فولبرد و نوزما شناسایی شد. نتایج نشان داد که این روش با دقت بیش از 98 درصد قادر به تشخیص این مشکلات است. به عنوان مثال، این مدل توانست با دقت 62/98 درصد نبود ملکه، 59/98 درصد احتمال حضور کنه واروآ، و 71/98 درصد احتمال بروز بیماری فولبرد را تشخیص دهد. در نهایت، با پیادهسازی اینترنت اشیا در سیستم مدیریت کندو، بهبود قابل توجهی در کمیت و کیفیت عسل تولید شده مشاهده شد. این پژوهش نشان میدهد که تحلیل صوتی و یادگیری عمیق میتواند به عنوان یک ابزار قدرتمند برای پایش سلامت کندوهای زنبور عسل و افزایش بهرهوری در صنعت زنبورداری مورد استفاده قرار گیرد.https://ijbse.ut.ac.ir/article_101149_06eac7478bc5159be9cb3ce0f3e7164a.pdfدانشگاه تهرانمهندسی بیوسیستم ایران2008-480355320240922Predicting biomass Gasification outputs with the aid of machine-learningپیشبینی خروجی های تکنولوژی گازیسازی منابع زیست توده با بهرهگیری از یادگیری ماشین738510115010.22059/ijbse.2025.378433.665555FAپوریامحمد جواهریگروه مهندسی ماشین های کشاورزی، دانشگدکان کشاورزی و منابع طبیعی، دانشگاه تهران، ایران0009-0003-9858-1412شاهینرفیعیگروه مهندسی ماشین های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران0000-0003-2647-3984مرتضیآغباشلوگروه مهندسی مکانیک ماشینهای کشاورزی، دانشکده فنی و مهندسی کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران0000-0001-8534-4686Journal Article20240623Optimizing existing technologies in this field has become inevitable with the increasing demand for renewable energy sources. Among the renewable resources that have attracted much attention in research, biomass resources can be mentioned. In this study, an attempt has been made to examine one of the technologies for extracting energy from biomass resources - gasification - and to optimize and control this technology as much as possible, after forming a database extracted from a comprehensive review of related articles, its outputs have been predicted using several techniques in the field of artificial intelligence and machine learning. The statistical artificial intelligence methods used in this study were selected after reviewing similar articles. They included linear regression, gradient boosting regression, decision tree regression, random forest regression, support vector regression, and kernel ridge regression. Finally, this research resulted in several AI-based forecasting models with different forecast accuracies, which were evaluated with the relevant statistical parameters. Among the aforementioned machine learning techniques and considering the various parameters for evaluating the accuracy of the models, the most important of which is the squared error in the test data, the linear regression, gradient boosting regression, and random forest regression methods, whose squared error rates in each of the models were 0.909, 0.829, and 0.818, respectively, showed better performance than other proposed technologies.با افزایش روزافزون تقاضا برای منابع انرژی تجدیدپذیر، بهینهسازی فناوریهای موجود در این حوزه بدل به امری اجتنابناپذیر شده است. از جمله منابع تجدیدپذیر که در تحقیقات توجهات بسیاری را به خود جلب کرده است میتوان به منابع زیستتوده اشاره داشت. در این پژوهش تلاش شده است که یکی از فناوریهای استحصال انرژی از منابع زیستتوده - گازیسازی - مورد بررسی قرار گیرد و بهمنظور بهینهسازی و کنترل هر چه بیشتر این فناوری، پس از تشکیل پایگاه داده مستخرج از بررسی جامع مقالات مرتبط، خروجیهای آن با بهرهگیری از چندین تکنیک در حوزه هوش مصنوعی و یادگیری ماشین پیشبینی شدهاند. روشهای هوش مصنوعی آماری استفاده شده در این پژوهش پس از بررسی مقالات مشابه انتخاب شدند و عبارتبودند از رگرسیون خطی ، رگرسیون تقویتکننده گرادیان ، رگرسیون درخت تصمیمگیری ، رگرسیون جنگل رندوم ، رگرسیون بردار ساپورت و رگرسیون کرنل ریج . در نهایت این پژوهش منتج به چندین مدل پیشبینی بر پایه هوش مصنوعی بادقتهای پیشبینی مختلف شد که با پارامترهای آماری مربوطه، دقت پیشبینی مدلهای مختلف مورد ارزیابی قرار گرفت. در میان تکنیکهای یادگیری ماشین مذکور و با درنظرگرفتن پارامترهای مختلف ارزیابی دقت مدلها که از جمله مهمترین آنها میتوان به مربع خطا درداده های تست اشاره کرد، روشهای رگرسیون خطی، رگرسیون تقویتکننده گرادیان و رگرسیون جنگل تصادفی، که میزان مربع خطا در هر یک از مدلها به ترتیب برابر 909/0، 829/0 و 818/0 بود، عملکرد بهتری از خود نسبت به سایر فناوریهای پیشنهاد شده نشان دادند.https://ijbse.ut.ac.ir/article_101150_2116c28ac48a6a7ef42234021f56c955.pdfدانشگاه تهرانمهندسی بیوسیستم ایران2008-480355320240922Simulation-Based Evaluation of a Wall-Mounted Solar Chimney for Seasonal HVAC Support and Energy Efficiency in Greenhouses: A Case Study in Ahvaz, Iranارزیابی مبتنی بر شبیهسازی یک دودکش خورشیدی نصبشده روی دیوار برای پشتیبانی فصلی سامانههای تهویه مطبوع و بهرهوری انرژی در گلخانهها: مطالعه موردی در اهواز، ایران8710810115110.22059/ijbse.2025.388520.665581FAسید مجیدسجادیهگروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران0000-0003-1239-322Xعیادصابریانگروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران0000-0003-2919-3187Journal Article20250109This study evaluates the seasonal performance of a wall-integrated solar chimney combined with an HVAC system for greenhouse climate control in Ahvaz. Using validated computational fluid dynamics (CFD) models, the system’s cooling, ventilation, and heating performance was analyzed over a nine-month period, considering temperature variations, solar radiation, and thermal equipment in a double-pitched roof greenhouse with dimensions of 12×20 m² and a ridge height of 6 m. Results indicated that during hot months, the system reduced indoor temperatures by 13–17°C. However, its cooling efficiency (0.56 vs. 0.62), air exchange rate (3.82 ACH vs. 9.01 ACH), and temperature uniformity index (0.73 vs. 0.82) were lower than those of the conventional fan-pad system. Nonetheless, eliminating fan shaft power resulted in significant energy savings. In cold months, the system increased indoor temperatures by 6.24°C and improved the temperature uniformity index from 0.74 to 0.89, although its heating efficiency (0.43) was lower than expected. These findings suggest that the system, particularly in heating periods, offers a sustainable alternative to conventional systems by enhancing climate control while reducing energy consumption. Design optimizations, such as incorporating thermal curtains and temporary ceiling structures during colder months, could further improve its performance.این پژوهش عملکرد فصلی دودکش خورشیدی دیواری یکپارچه با سامانه تهویه مطبوع برای کنترل اقلیم گلخانه در اهواز را ارزیابی میکند. با استفاده از مدلهای معتبر دینامیک سیالات محاسباتی، عملکرد سرمایشی، تهویهای و گرمایشی سامانه در یک دوره 9 ماهه و با در نظر گرفتن تغییرات دما، تابش خورشیدی و تجهیزات حرارتی یک گلخانه سقف شیروانی دوتایی با ابعاد ۱۲×۲۰ مترمربع و ارتفاع تاج ۶ متر، تحلیل شد. نتایج نشان داد که در ماههای گرم سال، این سامانه دماهای داخلی را 13 تا 17 درجه سلسیوس کاهش داد، اما بازده سرمایشی (56/0در برابر 62/0)، نرخ تعویض ساعتی هوا (82/3 در برابر 01/9) و شاخص یکنواختی دما (73/0 در برابر 82/0) آن در مقایسه با سامانه متعارف فن-پد کمتر بود. با این حال، حذف توان محوری فن منجر به صرفهجویی قابلتوجه انرژی شد. همچنین در ماههای سرد سال، دما را به میزان 24/6 درجه سلسیوس افزایش داد و شاخص یکنواختی دما را از 74/0 به 89/0 ارتقا داد، هرچند بازده گرمایشی آن 43/0 و کمتر از انتظار بود. این نتایج نشان میدهد که این سامانه، به ویژه در دورههای گرمایشی میتواند با صرفهجویی در انرژی و ارائه کنترل اقلیم مؤثر، جایگزینی پایدار برای سامانههای متداول باشد. بهینهسازی طراحی، مانند استفاده از پردههای حرارتی و سقفهای موقت در ماههای سرد، میتواند عملکرد آن را بیشتر بهبود دهد.https://ijbse.ut.ac.ir/article_101151_9dacf9e45acca74e030a1a436f10a75b.pdf