مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

312
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

511
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ارزیابی توانایی مدل های هوشمند در برآورد تابش کل خورشیدی ماهانه

صفحات

 صفحه شروع 13 | صفحه پایان 26

چکیده

 در این پژوهش, مطالعه ای مقایسه ای بین مدل های شبکه عصبی مصنوعی (ANN), سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) و برنامه ریزی بیان ژن (GEP) برای برآورد تابش خورشیدی ماهانه صورت گرفت. بدین منظور, از داده های 24 ساله ایستگاه همدیدی تبریز, شامل تابش کل خورشیدی (RS, MJ m− 2), ساعات آفتابی و دمای هوا (° C) بهره گرفته شد. برای اجرای مدل های هوش مصنوعی, ترکیب جدیدی از ورودی ها, شامل متوسط ماهانه شاخص صاف بودن آسمان (KT), متوسط ماهانه تفاضل دمای بیشینه از دمای کمینه (Δ T), ساعات آفتابی نسبی ( ) و متوسط ماهانه تابش فرازمینی روزانه (Ra), به کار گرفته شد. با توجه به این که کمترین مقادیر آماره های MBE و RMSE (به ترتیب برابر با 13/0 و 97/1 مگاژول بر متر مربع) و بیشترین مقدار R2 (92/0), با استفاده از نتایج مدل شبکه عصبی مصنوعی به دست آمد, لذا ANN به عنوان بهترین مدل برای برآورد تابش کل آفتابی ماهانه انتخاب شد. همچنین استفاده از نمودارهای چارک-چارک, نشان داد که هرچند, شبکه عصبی مصنوعی, بهترین برازش را برای داده های تابش کل خورشیدی ماهانه ارائه می کند, اما توانایی این مدل در برآورد مقادیر بالای تابش کل خورشیدی ماهانه کاهش می یابد. لذا استفاده از این مدل برای مناطق با میزان تابش دریافتی کمتر توصیه می شود. عملکرد مدل ANFIS در تحت پوشش قرار دادن مقادیر بالا و پائین (چارک های چهارم و اول) از سایر مدل ها بهتر بود. بنابراین مزیت مدل ANFIS را در برآورد دقیق تر مقادیر بزرگتر تابش خورشیدی است و از این مدل برای برآورد تابش خورشیدی در مناطق با میزان بالای دریافتی تابش خورشیدی می توان بهره برد. علاوه بر این, بر خلاف نتایج پژوهش های پیشین که عملکرد مدل GEP برای برآورد تابش آفتابی روزانه را رضایت بخش ارزیابی نکرده بودند, نتایج پژوهش حاضر نشان داد که استفاده از مدل GEP برای برآورد تابش آفتابی کل ماهانه, به ویژه در محدوده 250 تا 800 مگاژول بر متر مربع رضایت بخش است. بنابراین می توان چنین نتیجه گرفت که توانایی مدل GEP در مدل سازی پدیده هایی با نوسانات کمتر و محدوده کوچک تر بیشتر است.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    شریفی، سیدصابر، رضاوردی نژاد، وحید، نورانی، وحید، و بهمنش، جواد. (1400). ارزیابی توانایی مدل های هوشمند در برآورد تابش کل خورشیدی ماهانه. دانش آب و خاک (دانش کشاورزی)، 31(2 )، 13-26. SID. https://sid.ir/paper/412668/fa

    Vancouver: کپی

    شریفی سیدصابر، رضاوردی نژاد وحید، نورانی وحید، بهمنش جواد. ارزیابی توانایی مدل های هوشمند در برآورد تابش کل خورشیدی ماهانه. دانش آب و خاک (دانش کشاورزی)[Internet]. 1400؛31(2 ):13-26. Available from: https://sid.ir/paper/412668/fa

    IEEE: کپی

    سیدصابر شریفی، وحید رضاوردی نژاد، وحید نورانی، و جواد بهمنش، “ارزیابی توانایی مدل های هوشمند در برآورد تابش کل خورشیدی ماهانه،” دانش آب و خاک (دانش کشاورزی)، vol. 31، no. 2 ، pp. 13–26، 1400، [Online]. Available: https://sid.ir/paper/412668/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button