چکیده:
تابش خورشیدی در بسیاری از مدلهای هیدرولوژی به عنوان پارامتری مهم در تخمین تبخیر و تعرق میباشد. تهیه و ایجاد وسایل اندارهگیری این پارامتر بسیار پرهزینه میباشد. در این تحقیق از دادههای اندازهگیری 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 مدلهای غیرخطی و دو مدل تجربی شامل آنگستروم-پرسکات و گلور مک کلوت برای پیشبینی تابش مورد ارزیابی قرار گرفت. از پارامترهای دمای ماکزیمم، سرعت متوسط باد و تابش برون زمینی و ساعت آفتابی برای پیش بینی روشهای غیر خطی استفاده شد. نتایج مقایسه مقادیر محاسبه شده با مدلها با مقادیر اندازهگیری شده توسط پیرانومتر نشان میدهد که شبکه عصبی با روندنما BFGS دارای 95/1 RMSE= ، 47/1 MAE= و 93/0= R2 است که دارای بهترین عملکرد در مدل ها میباشد. 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 میباشد. 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= R2میباشند.
خلاصه ماشینی:
در اين پژوهش از داده هاي اندازه گيري شده تابش (Rs) در سال هاي ١٣٨٥ تا ١٣٨٩ ايستگاه هواشناسي زاهدان استفاده شده است و همچنين چند مدل غيرخطي نظير شبکه عصبي با الگوريتم BFGS و شبکه عصبي با کاهش شيب توأم و رگرسيون خطي محلي با استفاده از آزمون گاما توسعه داده شد.
سبزي پرور و بيات ورکشي (١٣٨٩: ٣٥٧-٣٤٧) روش شبکه عصبي و عصبي – فازي را در شبيه سازي تابش خورشيدي مورد بررسي قرار دادند و نتيجه گرفتند که به طور کلي مدل هاي هوشمند با دقت قابل قبولي توانايي پيش بيني را دارند.
رابطه ١١ فائو ضرايب a و b را به ترتيب برابر ٠/٢٥ و ٠/٥ پيشنهاد کرده و بنابراين رابطه بالا را به شکل زير ارائه نموده است : رابطه ١٢ مدل گلور-مک کلوت گلور و مک کلوت ضريب a در رابطه آنگستروم - پرسکات را به عرض جغرافيايي () ارتباط داده و رابطه زير را ارائه نمودند (موسوي بايگي و همکاران ، ١٣٨٩: ٨٣٩): رابطه ١٣ ارزيابي اعتبار مدل ها کارايي روش هاي رگرسيوني، شبکه عصبي و تجربي با استفاده از سه شاخص آماري جذر ميانگين مربعات خطا (RMSE)، ميانگين مربعات خطا (MAE) و ضريب تبيين (R٢) مورد ارزيابي قرار گرفت .
در اين پژوهش با استفاده داده هاي اندازه گيري شده ايستگاه هواشناسي زاهدان کارايي مدل هاي رگرسيوني، شبکه عصبي و تجربي مورد ارزيابي قرار گرفت .
(2008): Model Data Selection Using Gamma Test For Daily Solar Radiation Estimation.
(2016): Hybrid Auto- Regressive Neural Network Model For Estimating Global Solar Radiation in Bandar Abbas, Iran.