مقایسه روشهای تجربی و مدلهای شبکه عصبی مصنوعی برای برآورد تابش روزانه خورشید- مطالعه موردی منطقه پاکدشت در جنوب شرق تهران

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,350

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IDNC02_301

تاریخ نمایه سازی: 15 مهر 1387

چکیده مقاله:

تابش خورشید رسیده به زمین یکی از پارامتر های مورد نیاز برای مطالعات منابع آب، محیط زیست و کشاورزی است . این پارامتر به ندرت در ایستگاه های هواشناسی اندازه گیری می شود و از این رو روش های تجربی زیادی برای برآورد آن با استفاده از سایر پارامتر های هواشناسی ارائه شده است . در این تحقیق دو مدل تجربی انگستروم و هارگریوز - سامانی که بترتیب مبتنی بر داده های ساعات آفتابی و دمای هوا هستند با مدل های شبکه عصبی برای منطقه جنوب شرق تهران مورد مقایسه قرار گرفتند. نتایج بررسی نشان داد، در مجموع مدل های تجربی فوق و شبکه های عصبی با دقت خوبی تابش روزانه خورشید را برآورد می کنند و مدل های مبتنی بر ساعات آفتابی نسبت به مدل های مبتنی بر دمای هوا برتری دارند . مدل شبکه عصبی با ساختار ورودی ساعات آفتابی و تابش بیرون زمینی با ضریب تعیین (R2) برابر 0/97 و جذر میانگین مربع خطا(RMSE) برابر 1/29 مگاژول بر متر مربع در روز (MJ m-2 d−1 )بهترین نتایج را ارائه داد.

نویسندگان

محبوبه جمشیدی

دانشجوی کارشناسی ارشد آبیاری و زهکشی پردیس ابوریحان، دانشگاه تهران

علی رحیمی خوب

استادیار گروه آبیاری و زهکشی پردیس ابوریحان، دانشگاه تهران

سید محمود رضا بهبهانی

دانشیار گروه آبیاری و زهکشی پردیس ابوریحان، دانشگاه تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • سلطانی، س.، و مرید، س.1384. مقایسه برآورد تابش خورشیدی با ...
  • Allen RG, Pereira LS, Raes D, Smith M (1998) Crop ...
  • Angstrom, A., 1924. Solar and terrestrial radiation, Q. J. R. ...
  • Tymvios, F.S., C.P. Jacovides., S.C. Michaelides, and C. Scouteli. (2005). ...
  • Bocco، M.، Ovando، G.، and Sayago، S. (2006). Development and ...
  • Coulibaly P, Anctil F, Bobee B (2000) Daily reservoir inflow ...
  • Hagan MT, Menhaj MB (1994) Training feedforward networks with the ...
  • Hargreaves, G.H. and Z.A. Samani 1982. Estimating potential evapotransp iration. ...
  • Hargreaves, G.H. (1994). Simplified coefficients for estimating monthly solar radiation ...
  • Iziomon M.G. and Mayer, H. (2001). Performance of solar radiation ...
  • Pohlert, (2004). Use of empirical global radiation models for maize ...
  • Rehman, S., and Mohandes, M. (2008). Artificial neural network estimation ...
  • Samani, Z. (2000). Estimation solar radiation and evapotran spiration using ...
  • Tan Y, Van C auwenberghe A (1999) Neural -network-bas ed ...
  • Yanga, K. , Koikea, T. and Yeb, B. (2006). Improving ...
  • نمایش کامل مراجع