مقایسه مدل های تجربی، رگرسیونی و شبکه عصبی مصنوعی در برآورد تابش خالص دریافتی (Rs) در ایستگاه سینوپتک زاهدان

تابش خورشیدی در بسیاری از مدلهای هیدرولوژی به عنوان پارامتری مهم در تخمین تبخیر و تعرق می باشد. تهیه و ایجاد وسایل انداره گیری این پارامتر بسیار پرهزینه می باشد. در این تحقیق از داده های اندازه گیری شده تابش (Rs) در سال های 1385 تا 1389 ایستگاه هواشناسی زاهدان استفاده شده است. در این تحقیق چند مدل غیرخطی نظیر شبکه عصبی با الگوریتم BFGS و شبکه عصبی با کاهش شیب توام و رگرسیون خطی محلی با استفاده از آزمون گاما توسعه داده شد. سپس این مدل های غیرخطی و دو مدل تجربی شامل آنگستروم-پرسکات و گلور مک کلوت برای پیش بینی تابش مورد ارزیابی قرار گرفت. از پارامترهای دمای ماکزیمم، سرعت متوسط باد و تابش برون زمینی و ساعت آفتابی برای پیش بینی روش های غیر خطی استفاده شد. نتایج مقایسه مقادیر محاسبه شده با مدل ها با مقادیر اندازه گیری شده توسط پیرانومتر نشان می دهد که شبکه عصبی با روند نما BFGS دارای 95/1 RMSE= ، 47/1 MAE= و 93/0= R2 است که دارای بهترین عملکرد در مدل ها می باشد. بعد از آن مدل شبکه عصبی با کاهش شیب توام و مدل رگرسیونی خطی محلی است که مقادیر RMSE، MAE و R2 برای آنها به ترتیب برابر 53/2، 77/1، 88/0 و 89/2، 89/1، 82/0 می باشد. روش انگستروم و گلور-مک کلوت نیز به ترتیب دارای مقادیر 38/4RMSE= ، 21/3 MAE= ، 33/0= R2 و 64/4RMSE= ، 07/3 MAE= و 50/0= R2می باشند.