مقايسه مدل هاي تجربي، رگرسيوني و شبكه عصبي مصنوعي در برآورد تابش خالص دريافتي (rs) در ايستگاه سينوپتك زاهدان

Comparsion Of Experimental, Regression Models and Artificial Neure Network in Estimating Net Radiation (Rs) In Synoptic Station of Zahedan

تابش خورشيدي در بسياري از مدلهاي هيدرولوژي به عنوان پارامتري مهم در تخمين تبخير و تعرق مي باشد. تهيه و ايجاد وسايل انداره گيري اين پارامتر بسيار پرهزينه مي باشد. در اين تحقيق از داده هاي اندازه گيري شده تابش (rs) در سال هاي 1385 تا 1389 ايستگاه هواشناسي زاهدان استفاده شده است. در اين تحقيق چند مدل غيرخطي نظير شبكه عصبي با الگوريتم bfgs و شبكه عصبي با كاهش شيب توام و رگرسيون خطي محلي با استفاده از آزمون گاما توسعه داده شد. سپس اين مدل هاي غيرخطي و دو مدل تجربي شامل آنگسترومپرسكات و گلور مك كلوت براي پيش بيني تابش مورد ارزيابي قرار گرفت. از پارامترهاي دماي ماكزيمم، سرعت متوسط باد و تابش برون زميني و ساعت آفتابي براي پيش بيني روش هاي غير خطي استفاده شد. نتايج مقايسه مقادير محاسبه شده با مدل ها با مقادير اندازه گيري شده توسط پيرانومتر نشان مي دهد كه شبكه عصبي با روند نما bfgs داراي 1.47=rmse=1.95 ، mae و 0.93= r2 است كه داراي بهترين عملكرد در مدل ها مي باشد. بعد از آن مدل شبكه عصبي با كاهش شيب توام و مدل رگرسيوني خطي محلي است كه مقادير rmse، mae و r2 براي آنها به ترتيب برابر 2.53، 1.77، 0.88 و 2.89، 1.89، 0.82 مي باشد. روش انگستروم و گلورمك كلوت نيز به ترتيب داراي مقادير rmse=4.38 ، mae=3.21 ، 0.33= r2 و rmse=4.64 ، mae=3.07 و 0.50= r2مي باشند.

Solar radiation is one of the key inputs for most hydrological models in estimating reference evapotranspiration. Furthermore providing and making the measurement tools for this parameter is very costly. In this research، ridation (Rs ) of zahedan meteological station in 1385 to 1389 were used. Some non- linear models such as neure systemwith algorithm BFGS، and neure system with conjugate Gradient training algorithms، and locallinear regression through gamma test were developed. Then ، these non- linear models and two expereimental model including Angstrom - Prescott and Glory Mac Kalut were assessed for predicting radiation. For predicting none- linear method، maximum temperature parameters، average speed of wind، surface radiation، and Sunshine were used. Result of comparing measured amounts with models with measured amount by parameter show that the neure system with BFGS algorithm has RMSE= 1.95 ، MAE= 1.47 and R2=93% which are the best operation in these models. After that، neure system model with conjugate Gradient training algorithms and local regression model are in secand rank in which RMSE، MAE and R2 are 2.53 ، 1.77 ، 88% and 2.89 ، 1.89 ، 82% respectively. Angstrom and MAC colt method have RNSE = 4.38 ، MAE=3.21 ، R2=33% and RMSE= 4.46، MAE= 3.07، R2=50% respectivety.