تعیین متغیرهای ورودی برای تخمین تابش خورشیدی با استفاده از تئوری آنتروپی و تحلیل مولفه اصلی

تابش خورشیدی رسیده به سطح زمین یکی از متغیرهای اصلی مورد استفاده در پروژه ها و مدل­سازی­های هیدرولوژی، کشاورزی، هواشناسی و اقلیمی می­باشد. در این تحقیق قابلیت عملکرد روش تحلیل مولفه اصلی (PCA) و تئوری آنتروپی (EN) برای تعیین ورودی مدل­های شبکه عصبی مصنوعی پرسپترون چندلایه (MLP)، شبکه عصبی مصنوعی تابع پایه شعاعی (RBF)، ماشین بردار پشتیبان (SVM) و برنامه ریزی ژنتیک (GEP) در برآورد تابش خورشیدی در دو ایستگاه همدید کرمان و مشهد به ترتیب در حد فاصل سال های ۱۹۸۴ تا ۲۰۰۵ و ۱۹۸۰ تا ۲۰۰۴  مورد بررسی قرار گرفت. متغیرهای میانگین دما، میانگین کمبود فشار بخار آب اشباع، دمای کمینه، دمای بیشینه، ساعت آفتابی، رطوبت نسبی، دمای نقطه شبنم، فشار بخار ساعتی، دید افقی و محتوی بخار آب جو به عنوان ورودی روش­های پیش­پردازش انتخاب شدند. با توجه به نتایج به­دست آمده در ایستگاه کرمان، مدل ENT-MLP با ریشه میانگین مربعات خطای برابر۳۶/۳۸ (Mj/m۲) و ضریب تبیین ۹۳/۰ R۲= بهترین عملکرد را داشته است. همچنین در ایستگاه مشهد مدل PCA-MLP با ریشه میانگین مربعات خطای برابر۷۵/۷۹  (Mj/m۲) و ضریب تبیین ۷۷/۰ R۲= بهترین عملکرد را داشته است. به طور کلی هر دو روش پیش­پردازش تحلیل مولفه اصلی (PCA) و تئوری آنتروپی (EN) برای تعیین ورودی مدل­های تخمین­گر به منظور تخمین تابش خورشیدی روش  مناسبی تشخیص داده شدند.

کلیدواژه ها:

پیش پردازش داده ها ، تابش خورشیدی ، تحلیل مولفه اصلی ، تئوری آنتروپی ، شبکه عصبی مصنوعی