Evaluating Potential of Artificial Neural Network and Neuro-Fuzzy Techniques for Global Solar Radiation Prediction in Isfahan, Iran
محل انتشار: مجله علوم و فناوری کشاورزی، دوره: 21، شماره: 2
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 72
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JASTMO-21-2_005
تاریخ نمایه سازی: 23 آبان 1402
چکیده مقاله:
In this study, two widely used artificial intelligence techniques, i.e. Artificial Neural Network (ANN) and Adaptive Neuro-Fuzzy Inference System (ANFIS), were applied for global solar radiation (GSR) prediction in Isfahan Province, Iran. Different sets of meteorological data were used as inputs to specify the best set of inputs. Relative humidity and precipitation had an unfavorable effect on radiation prediction, while the number of days, sunshine duration, minimum temperature, maximum temperature, daylight hours and clear-sky radiation were effective parameters to determine GSR. Using the mentioned parameters as inputs, ۶-۵-۱ architecture had the best performance without overtraining. In ANFIS models, ' triangular-shaped' had the highest performance amongst different types of membership functions. Resulted correlation coefficients and errors showed that ANN was generally better than ANFIS for this purpose.
کلیدواژه ها:
ANFIS ، ANN ، GSR ، Meteorological data ، Modeling. ، تابش خورشیدی جهانی ، شبکه های عصبی مصنوعی ، انفیس ، داده های هواشناسی ، مدل سازی
نویسندگان
S. Taghadomi-Saberi
Department of Biosystem Engineering, College of Agriculture, Isfahan University of Technology, Islamic Republic of Iran.
S. J. Razavi
Department of Biosystem Engineering, College of Agriculture, Isfahan University of Technology, Islamic Republic of 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 :