آمار
| تعداد نشریات | 36 |
| تعداد شماره‌ها | 922 |
| تعداد مقالات | 11,031 |
| تعداد مشاهده مقاله | 11,616,161 |
| تعداد دریافت فایل اصل مقاله | 10,671,981 |
ارزیابی توانایی مدل های هوشمند در برآورد تابش کل خورشیدی ماهانه | ||
| دانش آب و خاک | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 01 تیر 1400 | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
سید صابر شریفی1؛ وحید رضاوردی نژاد2؛ وحید نورانی3؛ جواد بهمنش   4
| ||
| 1دانشگاه ارومیه گروه مهندسی آب | ||
| 2دانشیار دانشگاه ارومیه | ||
| 3دانشگاه تبریز | ||
| 4دانشگاه 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 داده-های ایستگاه همدیدی تبریز استفاده شد. برای اجرای مدل‌های هوش مصنوعی، ترکیب جدیدی از ورودی‌ها به کار گرفته شد. از آنجا که کمترین مقادیر آماره‌های MBE و RMSE (به ترتیب برابر با 13/0 و 97/1 مگاژول بر متر مربع) و بیشترین مقدار R2 (92/0)، با استفاده از نتایج مدل شبکه عصبی مصنوعی به‌دست آمد، لذا ANN به‌عنوان 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 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. نتایج نشان داد که استفاده از مدل GEP برای برآورد تابش آفتابی کل ماهانه، به ویژه در محدوده 250 تا 800 مگاژول بر متر مربع رضایت‌بخش است. بنابراین می‌توان چنین نتیجه گرفت که توانایی مدل GEP در مدل‌سازی پدیده‌هایی با نوسانات کمتر و محدوده کوچک‌تر بیشتر است. | ||
| کلیدواژه‌ها | ||
| برنامه ریزی بیان ژن؛ تابش کل آفتابی ماهانه؛ سیستم استنتاج فازی- عصبی تطبیقی؛ شبکه عصبی مصنوعی؛ تبریز | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 88 |
||
