ارزیابی توانایی مدل های هوشمند در برآورد تابش کل خورشیدی ماهانه

  • سال انتشار: 1400
  • محل انتشار: فصلنامه دانش آب و خاک، دوره: 31، شماره: 2
  • کد COI اختصاصی: JR_WASO-31-2_003
  • زبان مقاله: فارسی
  • تعداد مشاهده: 350
دانلود فایل این مقاله

نویسندگان

سید صابر شریفی

دانشجوی دکتری آبیاری و زهکشی، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه

وحید رضاوردی نژاد

دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه

وحید نورانی

استاد گروه آب، دانشکده عمران ، دانشگاه تبریز

جواد بهمنش

استاد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه

چکیده

در این پژوهش، مطالعه­ای مقایسه­ای بین مدل­های شبکه عصبی مصنوعی (ANN)، سیستم استنتاج فازی­- عصبی تطبیقی (ANFIS) و برنامه­ریزی بیان ژن (GEP) برای برآورد تابش خورشیدی ماهانه صورت گرفت. بدین منظور، از داده­های ۲۴ ساله ایستگاه همدیدی تبریز، شامل تابش کل خورشیدی (RS, MJ m−۲)، ساعات آفتابی و دمای هوا (°C) بهره گرفته شد. برای اجرای مدل­های هوش مصنوعی، ترکیب جدیدی از ورودی­ها، شامل متوسط ماهانه شاخص صاف بودن آسمان (KT)، متوسط ماهانه تفاضل دمای بیشینه از دمای کمینه (ΔT)، ساعات آفتابی نسبی ( ) و متوسط ماهانه تابش فرازمینی روزانه (Ra)، به کار گرفته شد. با توجه به این­که کمترین مقادیر آماره­های MBE  و RMSE (به ترتیب برابر با ۱۳/۰ و ۹۷/۱ مگاژول بر متر مربع) و بیشترین مقدار R۲ (۹۲/۰)، با استفاده از نتایج مدل شبکه عصبی مصنوعی به­دست 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 داده­های تابش کل خورشیدی ماهانه ارائه می­کند، اما توانایی این مدل در برآورد مقادیر بالای تابش کل خورشیدی ماهانه کاهش می­یابد.  لذا استفاده از این مدل برای مناطق با میزان تابش دریافتی کمتر توصیه می­شود. عملکرد مدل ANFIS در تحت پوشش قرار دادن مقادیر بالا و پائین (چارک­های چهارم و اول) از سایر مدل­ها بهتر بود. بنابراین مزیت مدل ANFIS را در برآورد دقیق­تر مقادیر بزرگتر تابش خورشیدی است و از این مدل برای برآورد تابش خورشیدی در مناطق با میزان بالای دریافتی تابش خورشیدی می­توان بهره برد. علاوه بر این، بر خلاف نتایج پژوهش­های 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 ۲۵۰ تا ۸۰۰ مگاژول بر متر مربع رضایت بخش است. بنابراین می­توان چنین نتیجه گرفت که توانایی مدل GEP در مدل­سازی پدیده­هایی با نوسانات کمتر و محدوده کوچک­تر بیشتر است.

کلیدواژه ها

برنامه ریزی بیان ژن, تابش کل آفتابی ماهانه, سیستم استنتاج فازی - عصبی تطبیقی, شبکه عصبی مصنوعی, تبریز

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.