تخمین تابش کل خورشیدی روزانه با استفاده از مدل های رگرسیونی و شبکه های عصبی مصنوعی

در این پژوهش جهت تخمین تابش کل خورشیدی روزانه در ایستگاهی که سابقه اندازه گیری تابش کل خورشیدی را ندارد و دارای فاکتورهای اقلیمی مشابه با ایستگاهی است که در آن تابش کل خورشیدی اندازه گیری می شود، از شبکه های عصبی مصنوعی استفاده شد. همچنین جهت مقایسه دقت شبکه های عصبی مصنوعی و مدل های رگرسیونی، از 6 مدل رگرسیونی شامل مدل های فائو (نشریه 56)، هارگریوز- سامانی، محمود- هابرد، باهل، آناندل و بریستو- کمبل استفاده گردید. داده های مورد استفاده از دو ایستگاه هواشناسی کرج و شیراز که براساس طبقه بندی اقلیمی دومارتن به ترتیب دارای اقلیم های خشک و نیمه خشک می باشند (اقلیم های نزدیک) و مقدار تابش کل خورشیدی روزانه در این دو ایستگاه به صورت روزانه ثبت می شود، انتخاب شدند. با استفاده از شبکه های عصبی مصنوعی، از داده های ایستگاه کرج در مرحله آموزش و از داده های ایستگاه شیراز در مرحله آزمون، استفاده گردید. ضرایب مدل های رگرسیونی نام برده با استفاده از داده های ایستگاه کرج واسنجی شدند. از داده های ایستگاه شیراز در مرحله آزمون این مدل ها، به منظور مقایسه دقت این مدل ها با شبکه های عصبی مصنوعی استفاده گردید. از بین تمام مدل های استفاده شده جهت تخمین تابش کل خورشیدی روزانه در اقلیم های خشک و نیمه خشک، مدل شبکه عصبی مصنوعی با ورودی ساعات آفتابی حداکثر و تابش فرازمینی روزانه (هر دو وابسته به عرض جغرافیایی و روز از سال هستند) و ساعات آفتابی اندازه گیری شده با RMSE برابر 34/2 مگاژول بر مترمربع در روز و ضریب همبستگی برابر 94/0 (در سطح معنی داری 1 درصد) بهترین نتیجه را ارایه داد. همچنین در صورت اندازه گیری نکردن پارامتر ساعات آفتابی، مدل های آناندل و هارگریوز- سامانی با ضرایب واسنجی شده و همچنین مدل شبکه عصبی مصنوعی با پارامتر ورودی دمای حداقل و دمای حداکثر و تابش فرازمینی (وابسته به عرض جغرافیایی و روز از سال) روزانه بهترین نتایج را نشان دادند.