تخمین تابش خورشید با استفاده از روش های آماری و شبکه عصبی مصنوعی (مطالعه موردی - ایستگاه سینوپتیک تهران)

زمینه و هدف: تابش خورشیدی یکی از پارامترهای مهم و تاثیرگذار در مطالعات هیدرولوژی و هواشناسی کشاورزی می باشد. با توجه به هدف تحقیق که پیش بینی میزان تابش خورشیدی می باشد، می توان نوع تحقیق را کاربری دانست.مواد و روش ها: سال آماری موردنظر به مدت یک سال (اول فروردین ۱۴۰۲ تا آخر فروردین ۱۴۰۳) می باشد و داده های مورد استفاده، داده های روزانه ایستگاه سینوپتیک تهران شامل بیشینه و کمینه دما، بیشینه و کمینه رطوبت نسبی و حداکثر سرعت باد می باشد (۵ مورد) و داده های PM۱۰،  PM۲.۵ (از ایستگاه سنجش آلودگی شهر تهران) می باشد. رابطه ی همبستگی بین تابش خورشیدی به عنوان متغیر وابسته و پارامترهای دیگر (مولفه های مستقل) از طریق ضریب همبستگی پیرسون در نرم افزار SPSS.۲۶ انجام گرفت.یافته ها: نتایج نشان داد که تابش خورشیدی با کمینه و بیشینه دما، حداکثر سرعت باد، و PM۱۰ دارای همبستگی مستقیم و با بیشینه و کمینه رطوبت نسبی، جهت باد و PM۲.۵  دارای همبستگی معکوس می باشد. تخمین تابش خورشیدی با استفاده از روش های رگرسیون خطی چندگانه و شبکه عصبی مصنوعی (MLP) انجام شده که روش شبکه عصبی مصنوعی با ضریب تعیین (R۲) نزدیک ۸۷ درصد دارای عملکرد بهتری از دو روش دیگر ( Enter و Stepwise) می باشد.نتیجه گیری: مقایسه سه روش (Ann، Enter و Stepwise)  در مرحله ی آمورش و تست نشان از عملکرد بهتر روش شبکه عصبی دارد (مقدار بالاتر ضریب R۲). مقدار شاخص MSE (میانگین مربعات خطا) در هر دو مرحله ی آموزش و آزمون در روش شبکه عصبی بهتر و به ترتیب ۱/۸۷و ۱/۶۸ می باشد در حالی که همین شاخص برای روش Enter، ۳/۶۵ و ۳/۳۷ بوده و هم چنین برای روش Stepwise نیز مقادیر ۱۱/۶ و ۱/۷۵ محاسبه گردیده است نتایج نشان می دهد که در هر سه روش مدل ها در مرحله آزمون بهبود یافته اند.

کلیدواژه ها:

تابش خورشیدی ، پارامترهای هواشناسی ، رگرسیون خطی چندگانه ، شبکه ی عصبی مصنوعی