ارزیابی مدل هیبریدی جنگل تصادفی-الگوریتم ژنتیک در تخمین تابش خورشیدی روزانه

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 146

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JEWE-8-3_007

تاریخ نمایه سازی: 24 دی 1401

چکیده مقاله:

انرژی خورشیدی مهم­ترین منبع انرژی­های تجدیدپذیر و به عبارتی منبع اصلی انرژی­های موجود در زمین است. لذا برآورد پارامتر تابش خورشیدی با دقت بالا اهمیت بسیاری دارد. در این راستا، در پژوهش حاضر از داده­های هواشناسی ۳ ایستگاه هواشناسی استان اردبیل شامل مشگین شهر، گرمی و نیر در بازه زمانی ۲ ساله (۲۰۱۸ -۲۰۱۷) در مقیاس روزانه استفاده شد. سپس با به­کارگیری روش­های جنگل تصادفی و جنگل تصادفی-الگوریتم ژنتیک شدت تابش خورشیدی روزانه در هر یک از ایستگاه­های مذکور برآورد گردید. متغیرهای هواشناسی مورد استفاده شامل حداقل، حداکثر و میانگین دما، رطوبت نسبی و سرعت باد بوده که در هشت ترکیب متفاوت به­عنوان داده­های ورودی در محاسبات مدل­ها در نظر گرفته شد.  نتایج به دست آمده با استفاده از پارامترهای آماری با یکدیگر مقایسه شده و مدل های برتر انتخاب شد. با مقایسه کلی نتایج، مدل­های ایستگاه های نیر، مشگین شهر و گرمی به ترتیب از بیشترین به کمترین دقت مدل­سازی رتبه­بندی شدند؛ به­طوری­که مدل GA-RF-V در ایستگاه نیر با دارا بودن جذر میانگین مربعات خطای MJ/m۲ d ۳۴۶/۰ و راندمان کلینگ-گاپتا ۶۸۷/۰ با کمترین خطا به­عنوان برترین مدل در این مطالعه معرفی شد. همچنین نتایج به­دست­آمده نشان داد که الگوریتم ژنتیک به افزایش دقت همه مدل­های مورد استفاده کمک شایانی کرده است.

نویسندگان

سجاد هاشمی

دانشجوی دکتری، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

سعید صمدیان فرد

دانشیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

علی اشرف صدرالدینی

استاد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

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 :
  • Adnan, M. N. and Islam, M. Z. (۲۰۱۶). Optimizing the ...
  • Alizamir, M., Kim, S., Kisi, O. and Zounemat-Kermani, M. (۲۰۲۰). ...
  • Almorox, J. and Hontoria, C. (۲۰۰۴). Global solar radiation estimation ...
  • Bayat, K. and Mirlatifi, S. M. (۲۰۰۹). Estimation of total ...
  • Belaid, S. and Mellit, A. (۲۰۱۶). Prediction of daily and ...
  • Benali, L., Notton, G., Fouilloy, A., Voyant, C. and Dizene, ...
  • Breiman, L. (۲۰۰۱). Random forests. Mach. Learn., ۴۵(۱), ۵-۳۲ ...
  • Brungard, C. W., Boettinger, J. L., Duniway, M. C., Wills, ...
  • Goldberg, D. E. (۱۹۸۹). Genetic Algorithms in Search, Optimization and ...
  • Holland, J. H. (۱۹۹۲). Genetic algorithms. Sci. Am., ۲۶۷, ۶۶-۷۲ ...
  • Ibrahim, I. A. and Khatib, T. (۲۰۱۷). A novel hybrid ...
  • Mossad, E. (۲۰۰۴). Simple new methods to estimate global solar ...
  • Peter, E. T. and Steven W. R. (۱۹۹۹). An improved ...
  • Mohammadi, B., Aghashariatmadari, Z. and Moazenzadeh R. (۲۰۱۹). Determination of ...
  • Mousavi, S. M., Mostafavi, E. S. and Jiao, P. (۲۰۱۷). ...
  • Rao, D. V. S., Premalatha, M. and Naveen, C. (۲۰۱۸). ...
  • Samadianfard, S., Majnooni-Heris, A., Qasem, S. N., Kisi, O., Shamshirband, ...
  • Taylor, K. E. (۲۰۰۱). Summarizing multiple aspects of model performance ...
  • Wu, L., Huang, G., Fan, J., Zhang, F., Wang, X. ...
  • Yang, K., Huang, G. W. and Tamai, N. (۲۰۰۱). A ...
  • نمایش کامل مراجع