پیش بینی سری زمانی تابش خورشید با استفاده از شبکه های عصبی و مقایسه با یک مدل آماری

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 863

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CLEANENERGY03_083

تاریخ نمایه سازی: 27 شهریور 1393

چکیده مقاله:

تابش خورشیدی جهانیGSR یکی از پرکاربردترین کنش گرهادر بسیاری از زمینه های مهندسی کشاورزی، هواشناسی و آبشناسی است. در این پژوهش، از یک مدل شبکه عصبی مصنوعی برای برآوردتابش خورشیدی کل رسیده استفاده شد و یافته های برآمده از آن با یافته های مدل آنگستروم به منزله یکی از فراگیرترین روش های برآورد تابش خورشیدی مقایسه مورد سنجش قرار گرفت. برای اینکار داده های روزانه برخی متغیرهای اقلیمی و هواشناسی بنیادین و نشان گذار بر تابش خورشیدی ایستگاه همدیدی )سینوپتیک( تبریزدر دوره آماری 5 ساله1384-1380 درحکم پارامترهای درون داد شبکه عصبی به کار گرفته شد . دست اوردها نشان داد که اندازه MBE ،RMSE وR برای ساختار1-11-9 برپایه الگوریتم آموزشی پخشیدگی به پس، یکی پس از دیگری، برابر3/3ژول برسانتیمتر مربع روز، 131 ژول بر سانتی مترمربع بر روز و0/905 بدست امد روی همرفته، سنجش دستاوردهای شابکه عصابی با دست اوردهای مدل آنگستروم و داده های دیده بانی شده، نشانگر برتری معنی دارمدل شبکه عصبی نسبت به روش آنگستروم است. لذا، برای برآورد تابش کل خورشیدی، روش پیشنهادی می تواند جایگزین درخوری برای روش هایی مانند مدل آنگستروم باشد

کلیدواژه ها:

نویسندگان

امیرحسین زندیه

دانشجوی کارشناسی ارشد برق کنترل، گروه مهندسی برق دانشگاه بین المللی امام خمینی )ره( قزوین؛

سعید ظفرواحدیان

دانشجوی کارشناسی ارشد علوم کامپیوتر، دانشکده ریاضیات و علوم کامپیوتر دانشگاه شهید بهشتی

اعظم نیک نفس

دانشجوی کارشناسی ارشد مهندسی برق قدرت، دانشگاه آزاد اسلامی واحد علوم و تحقیقات کرمان؛

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • خلیلی، ع، و رضایی صدر، _ 1376، برآورد تابش کلی ...
  • سبزی پرور، ع.، 1384، مدلسازی اطلس تابش خورشیدی کشور با ...
  • کمالی، غ. و مرادی، _ 1383، تابش خورشیدی، اصول و ...
  • علیائی، ا.، قربانی، م .ع.، و جباری خامنه، ح، 1387، ...
  • Azadeh, _ Maghsoudi, A., and Sohrabkhani S., 2009, An integrated ...
  • Bosch, J. L., Lopez, G., and Batlles, F. J., 2008, ...
  • Bakirci, K., , 2009, Correlations for estimation of daily global ...
  • Jiang Y., 2009, Computation of monthly mean daily global solar ...
  • Hansen, J. W., 1999, Stochastic daily solar irradiance for biological ...
  • Hasenauer, H., Merganicova, K., Petritsch, R.. Pietsch, S. A., and ...
  • Hokoi, S., Matsumoto, M., and Kagawa, M., 1990, Stochastic models ...
  • Lopez, G., Rubio, M. A, Martinez, M., and Batlles, F. ...
  • Menges, H. O., Ertekin, C., and Sonmete, M. H., 2006, ...
  • Mubiru, J., and Banda, K. B., 2008, Estimation of monthly ...
  • Mohandes, M., Rehman, S., and Halawani, T. O., 1998, Estimation ...
  • Rahimikhoob, A, 2010, Estimating global solar radiation using artificial neural ...
  • Rehman, S., and Mohandes, M., 2008, Artificial neural network estimation ...
  • Sabziparvar, A. A, 2008, A simple formula for estimation global ...
  • Scheifinger, H., and Kolb, H., 2000, Modeling global radiation in ...
  • Sozen, A., Arcakloglu, E., Ozalp, M., and Gaglar, N., 2005, ...
  • Soltani, A., Meinke, H., and Voil, P., 2004, Assessing linear ...
  • Stergiou, C., and Siganos, D., 2008, Neural http : //www ...
  • Turhan, M., 1995, Neural networks and computation of neural network ...
  • Tymvios, F. S., Jacovides, C. P., Michaelides, S. C., and ...
  • Winslow, J. C., Hunt, E. R., and Piper, S. C., ...
  • Zarzalejo, L. F., Ramirez, L, and Polo, J., 2005, Artificial ...
  • نمایش کامل مراجع