برآورد تابش خورشیدی با کاربرد شبکه عصبی مصنوعی بهینه سازی شده با الگوریتم ژنتیک و استفاده از پارامترهای هواشناسی
محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 53، شماره: 7
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 104
فایل این مقاله در 18 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:
JR_IJSWR-53-7_006
تاریخ نمایه سازی: 31 اردیبهشت 1402
چکیده مقاله:
تابش خورشیدی یکی از عوامل کلیدی در زمینه های کشاورزی، هیدرولوژی و هواشناسی است و نقش اساسی در انواع فرآیندهای فیزیکی، بیولوژیکی و شیمیایی از جمله ذوب برف، تبخیر، فتوسنتز گیاه و تولید محصول ایفا می کند و برآورد دقیق این پارامتر اهمیت فراوانی دارد. بر این اساس، در این مطالعه مقادیر تابش خورشیدی روزانه با استفاده از مدل های مختلف شبکه عصبی مصنوعی و شبکه عصبی مصنوعی بهینه سازی شده با الگوریتم ژنتیک در شش ایستگاه استان اردبیل شامل اردبیل، بیله سوار، سرعین، گرمی، مشگین شهر و نیر تخمین زده شد. داده های استفاده شده در این تحقیق بیشینه، کمینه و میانگین دما، رطوبت نسبی و سرعت باد ایستگاه های مذکور در بازه زمانی دو ساله (۲۰۱۸-۲۰۱۷) می باشند که در هشت ترکیب مختلف به عنوان داده های ورودی مدل ها به کار گرفته شده اند. همچنین از شاخص های آماری ضریب همبستگی، جذر میانگین مربعات خطا، شاخص ویلموت، راندمان کلینگ-گاپتا و دیاگرام تیلور برای مقایسه نتایج به دست آمده بهره گرفته شده است. به طورکلی نتایج به دست آمده نشان داد که در روش شبکه عصبی مصنوعی، مدل های ایستگاه بیله سوار و در روش شبکه عصبی مصنوعی-الگوریتم ژنتیک مدل های ایستگاه اردبیل دقیق ترین نتایج را ثبت کردند. همچنین مدل MLP-VIIIدر ایستگاه بیله سوار با دارا بودن ضریب همبستگی ۸۵۶/۰، جذر میانگین مربعات خطای ۳۱۹/۰ (مگاژول بر متر مربع در روز)، راندمان کلینگ-گاپتا ۶۵۹/۰ و شاخص ویلموت ۸۹۳/۰ بهترین عملکرد را در بین مدل های به کار گرفته شده دارد. در نتیجه، استفاده از شبکه عصبی مصنوعی بهینه سازی شده با الگوریتم ژنتیک در برآورد هر چه دقیق تر تابش خورشیدی توصیه می گردد.
کلیدواژه ها:
نویسندگان
سجاد هاشمی
Ph.D. Candidate of Irrigation and Drainage, Department of Water Engineering, Faculty of Agriculture, Tabriz University, Tabriz, Iran
سعید صمدیان فرد
Department of Water Engineering, Faculty of Agriculture, University of Tabriz, Tabriz, Iran
علی اشرف صدرالدینی
Professor, Department of Water Engineering, Faculty of Agriculture, Tabriz University, Tabriz, Iran
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 :