این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
انرژی ایران، جلد ۱۹، شماره ۱، صفحات ۰-۰
عنوان فارسی تخمین تابش کلی خورشید در استان کرمانشاه با استفاده از شبکه‌های عصبی مصنوعی
چکیده فارسی مقاله هدف مطالعه حاضر توسعه یک مدل شبکه عصبی مصنوعی (ANN) بر اساس روش رگرسیون غیرخطی چندگانه (MNLR) برای تخمین میانگین ماهانه مجموع روزانه تابش کلی خورشید در هر محل از استان کرمانشاه است. برای این منظور، داده‌های هواشناسی 23 ایستگاه در استان کرمانشاه در طول سالهای 1392- 1387 جمع‌آوری شد که از این بین، داده‌های 17 ایستگاه برای آموزش و 6 ایستگاه برای تست شبکه استفاده شد. در مرحله اول، همه متغیرهای مستقل (عرض جغرافیایی، طول جغرافیایی، ارتفاع، ماه، حداقل درجه حرارت ماهانه در جو، حداکثر درجه حرارت در جو، متوسط درجه حرارت در جو، دمای خاک، رطوبت نسبی، سرعت باد، بارش، فشار اتمسفریک، فشار بخار، کدورت و مدت زمان تابش آفتاب) جمع‌آوری و به مدل رگرسیون وارد شدند. سپس، از روش گام به گام MNLR برای تعیین مناسب‌ترین متغیرهای ورودی استفاده شد. با استفاده از این متغیرهای ورودی، نتایج به دست آمده توسط مدل ANN با داده‌های واقعی مقایسه شد، و میانگین درصد خطا مطلق (MAPE) در حدود 98/3 درصد و ضریب همبستگی (R) در حدود 9961/0 برای مجموعه داده‌های تست به دست آمد که نشان دهنده معتبر بودن مدل است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Estimation of global solar radiation using artificial neural network in Kermanshah province
چکیده انگلیسی مقاله The main objective of the present study is to develop an artificial neural network (ANN) model based on multi-nonlinear regression (MNLR) method for estimating the monthly mean daily sum global solar radiation at any place of Kermanshah province. For this purpose, the meteorological data of 23 stations spread in Kermanshah province along the years 2008–2013 were used as training (17 stations) and testing (6 stations) data. Firstly, all independent variables (latitude, longitude, altitude, month, monthly minimum atmospheric temperature, maximum atmospheric temperature, mean atmospheric temperature, soil temperature, relative humidity, wind speed, rainfall, atmospheric pressure, vapor pressure, cloudiness and sunshine duration) were added to the Enter regression model. Then, the Stepwise MNLR method was applied to determine the most suitable independent (input) variables. With the use of these input variables, the results obtained by the ANN model were compared with the actual data, and error values were found within acceptable limits. The mean absolute percentage error (MAPE) was found to be 3.98% and correlation coefficient (R) value was obtained to be about 0.9961 for the testing data set.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله یاسر واثقیان | yasser vasseghian
chemical engineering department, faculty of engineering, razi university, kermanshah, iran
گروه مهندسی شیمی، دانشگاه رازی، کرمانشاه، ایران
سازمان اصلی تایید شده: دانشگاه رازی (Razi university)

نشانی اینترنتی http://www.necjournals.ir/browse.php?a_code=A-10-586-4&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده فن آوری های انرژی های تجدید پذیر
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات