پيش‌بيني ميزان تابش‌خورشيدي با استفاده از دماي روزانه و شبكه‌هاي عصبي‌مصنوعي در اقليم‌هاي مختلف آب‌و‌هوايي

برآورد ميزان تابش خورشيدي در هواشناسي، كشاورزي و سامانه هاي مبتني بر اين منبع انرژي پاك و تجديدپذير اهميت دارد. در اين پژوهش از دماي روزانه كه در دسترس ترين داده هواشناسي است به عنوان تنها پارامتر مورد نياز در اقليم هاي مختلف، استفاده و با كمك شبكه هاي عصبي مصنوعي مدل هاي پيش بيني تابش خورشيدي توسعه داده شد. معيارهاي ارزيابي مدل ها شامل MAPE و RMSE ،R و نمودارهاي پراكندگي مقادير واقعي و پيش بيني شده بود. براي تأمين داده هاي طولاني مدت و معتبر، ايالت واشنگتن در شمال غربي امريكا با 19 ايستگاه هواشناسي در اقليم هاي مختلف، انتخاب شد. ابتدا، يك ايستگاه با بيشترين داده معتبر براي توسعه شبكه هاي عصبي لحاظ شد. براي آن، مدل هايي با سه تابع آموزشي لونبرگ -،(LM) ماركوارتگراديان توأم مقياس شده (SCG) و تنظيم بيزين (BR) در حالات يك و دولايه پنهان با حداكثر 20 نرون در هرلايه (در مجموع 1260 مدل) توسعه داده شد و شش مدل برتر انتخاب گرديد. اين مدل ها سپس در ساير ايستگاه هاي اين ايالت سنجيده شد و در نهايت، دقيق ترين و همه جانبه ترين آنها براي ارزيابي ميزان تابش خورشيدي در اقليم مشهد به عنوان نمونه اي از اقليم داخل كشور انتخاب شد. نتايج نشان داد كه شبكه هاي ،عصبي بيزين دقيق ترين پاسخ(R 0/92 ، MAPE 62/75% ،3/54 RMSE 4/78MJm^-2 28/81) و الگوريتم SCG با بالاترين سرعت هاي پردازش، كمترين دقت( 33/74 0/90 MAPE 77/28% ،3/91 RMSE 5/30MJm^-2،0/83 R را در ايالت واشنگتن دارد. بررسي كارايي دقيق ترين مدل ها (شبكه هاي عصبي بيزين ) در ايستگاه هواشناسي مشهد نيز حاكي از توانايي آن بود (MAPE=79/92% ،RMSE=3/92MJm^-2 ،R=0/82) كه نشان داد به كمك اين شبكه ها، با كمترين داده هاي هواشناسي مي توان به برآورد مناسبي از تابش خورشيدي در اقليم هاي متفاوت دست يافت.