سید ایمان ساعدی؛ رضا علیمردانی؛ حسین موسی زاده
چکیده
برآورد میزان تابش خورشیدی در هواشناسی، کشاورزی و سامانه‌های مبتنی بر این منبع انرژی پاک و تجدیدپذیر اهمیت دارد. در این پژوهش از دمای روزانه که در دسترس‌ترین داده هواشناسی است به‌عنوان تنها پارامتر مورد نیاز در اقلیم‌های مختلف، استفاده و با کمک شبکه‌های عصبی‌مصنوعی مدل‌های پیش‌بینی تابش خورشیدی توسعه داده شد. معیارهای ارزیابی ...
بیشتر
برآورد میزان تابش خورشیدی در هواشناسی، کشاورزی و سامانه‌های مبتنی بر این منبع انرژی پاک و تجدیدپذیر اهمیت دارد. در این پژوهش از دمای روزانه که در دسترس‌ترین داده هواشناسی است به‌عنوان تنها پارامتر مورد نیاز در اقلیم‌های مختلف، استفاده و با کمک شبکه‌های عصبی‌مصنوعی مدل‌های پیش‌بینی تابش خورشیدی توسعه داده شد. معیارهای ارزیابی مدل‌ها شامل R، RMSE و MAPE و نمودارهای پراکندگی مقادیر واقعی و پیش‌بینی شده بود. برای تأمین داده‌های طولانی‌مدت و معتبر، ایالت واشنگتن در شمال‌غربی امریکا با 19 ایستگاه هواشناسی در اقلیم‌های مختلف، انتخاب شد. ابتدا، یک ایستگاه با بیشترین داده معتبر برای توسعه شبکه‌های عصبی لحاظ شد. برای آن، مدل‌هایی با سه تابع آموزشی لونبرگ- مارکوارت (LM)، گرادیان توأم مقیاس‌شده (SCG) و تنظیم بیزین (BR) در حالات یک و دولایه پنهان با حداکثر 20 نرون در هرلایه (در مجموع 1260 مدل) توسعه داده شد و شش مدل برتر انتخاب گردید. این مدل‌ها سپس در سایر ایستگاه‌های این ایالت سنجیده شد و در نهایت، دقیق‌ترین و همه جانبه‌ترین آنها برای ارزیابی میزان تابش خورشیدی در اقلیم مشهد به‌عنوان نمونه‌ای از اقلیم داخل کشور انتخاب شد. نتایج نشان داد که شبکه‌های عصبی بیزین دقیق‌ترین پاسخ و الگوریتم SCG با بالاترین سرعت‌های پردازش، کمترین دقت را در ایالت واشنگتن دارد. بررسی کارایی دقیق‌ترین مدل‌ها (شبکه‌های عصبی بیزین) در ایستگاه هواشناسی مشهد نیز حاکی از توانایی آن بود که نشان داد به کمک این شبکه‌ها، با کمترین داده‌های هواشناسی می‌توان به برآورد مناسبی از تابش خورشیدی در اقلیم‌های متفاوت دست‌یافت.
