TY - JOUR ID - 32838 TI - پیش‌بینی میزان تابش‌خورشیدی با استفاده از دمای روزانه و شبکه‌های عصبی‌مصنوعی در اقلیم‌های مختلف آب‌و‌هوایی JO - ماشین های کشاورزی JA - JAM LA - fa SN - 2228-6829 AU - ساعدی, سید ایمان AU - علیمردانی, رضا AU - موسی زاده, حسین AD - دانشکده کشاورزی، دانشگاه صنعتی شاهرود، شاهرود، ایران AD - گروه مهندسی مکانیک ماشین‌های کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران Y1 - 2018 PY - 2018 VL - 8 IS - 1 SP - 197 EP - 211 KW - تابش جهانی خورشیدی KW - تنظیم بیزین KW - دمای روزانه KW - شبکه عصبی DO - 10.22067/jam.v8i1.62377 N2 - 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. UR - https://jame.um.ac.ir/article_32838.html L1 - https://jame.um.ac.ir/article_32838_16b5862b1e8de3df73335abe3250f354.pdf ER -