برآورد تابش خورشیدی با کاربرد شبکه عصبی مصنوعی بهینه سازی شده با الگوریتم ژنتیک و استفاده از پارامترهای هواشناسی

تابش خورشیدی یکی از عوامل کلیدی در زمینه های کشاورزی، هیدرولوژی و هواشناسی است و نقش اساسی در انواع فرآیندهای فیزیکی، بیولوژیکی و شیمیایی از جمله ذوب برف، تبخیر، فتوسنتز گیاه و تولید محصول ایفا می کند و برآورد دقیق این پارامتر اهمیت فراوانی دارد. بر این اساس، در این مطالعه مقادیر تابش خورشیدی روزانه با استفاده از مدل های مختلف شبکه عصبی مصنوعی و شبکه عصبی مصنوعی بهینه سازی شده با الگوریتم ژنتیک در شش ایستگاه استان اردبیل شامل اردبیل، بیله سوار، سرعین، گرمی، مشگین شهر و نیر تخمین زده شد. داده های استفاده شده در این تحقیق بیشینه، کمینه و میانگین دما، رطوبت نسبی و سرعت باد ایستگاه های مذکور در بازه زمانی دو ساله (۲۰۱۸-۲۰۱۷) می باشند که در هشت ترکیب مختلف به عنوان داده های ورودی مدل ها به کار گرفته شده اند. همچنین از شاخص های آماری ضریب همبستگی، جذر میانگین مربعات خطا، شاخص ویلموت، راندمان کلینگ-گاپتا و دیاگرام تیلور برای مقایسه نتایج به دست آمده بهره گرفته شده است. به طورکلی نتایج به دست آمده نشان داد که در روش شبکه عصبی مصنوعی، مدل های ایستگاه بیله سوار و در روش شبکه عصبی مصنوعی-الگوریتم ژنتیک مدل های ایستگاه اردبیل دقیق ترین نتایج را ثبت کردند. همچنین مدل  MLP-VIIIدر ایستگاه بیله سوار با دارا بودن ضریب همبستگی ۸۵۶/۰، جذر میانگین مربعات خطای ۳۱۹/۰ (مگاژول بر متر مربع در روز)، راندمان کلینگ-گاپتا ۶۵۹/۰ و شاخص ویلموت ۸۹۳/۰ بهترین عملکرد را در بین مدل های به کار گرفته شده دارد. در نتیجه، استفاده از شبکه عصبی مصنوعی بهینه سازی شده با الگوریتم ژنتیک در برآورد هر چه دقیق تر تابش خورشیدی توصیه می گردد.

کلیدواژه ها:

Agriculture ، Artificial Intelligence ، Efficiency ، Optimization ، Solar energy