Prediction of Monthly Global Solar Radiation Using Evolutionary Neural Network In Tehran city
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,107
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ETEC02_172
تاریخ نمایه سازی: 28 آذر 1392
چکیده مقاله:
Predicting monthly Global Solar Radiation (GSR) on a horizontal surface based on meteorological variables is main objective of this study. We apply Monthly mean of maximum air temperature, relative humidity, sunshine hours and wind speed values between 2005 and 2010 for Tehran city in Iran (35_47N, 51_37E). An evolutionary neural network (based on MLP and bee colony) along with different combinations of input variables were applied to consider the effect of each meteorological variable on monthly GSR prediction. The proposed models are especially useful for locations with no available measurement equipment. Statistical parameters such as RMSE, MBE and R2 show acceptable and reasonable accuracy of the developed models.
کلیدواژه ها:
Global Solar Radiation (GSR) ، Prediction ، Evolutionary ، Artificial Bee colony ، Multi-layer perceptron (MLP)
نویسندگان
Fatemeh Bahramian
MSc. Student, Islamic Azad University South Tehran Branch,
Alireza nikookar
Lecturer, Islamic Azad University South Tehran Branch,
Maryam Khademi
Assistant Professor, Islamic Azad University South Tehran Branch,
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 :