مقایسۀ عملکرد رگرسیون خطی چندمتغیره و مدل‏ های هوش ‏مصنوعی در تخمین تابش کل خورشیدی

Authors

  • پویا عاقل پور دانشجوی کارشناسی ارشد هواشناسی کشاورزی، دانشکدة کشاورزی، دانشگاه بوعلی سینا، همدان
Abstract:

در این پژوهش، برای اولین ‏بار در ایران، تابش کل خورشیدی (GSR) با به‏کارگیری داده‏های ساعتی رطوبت خاک و بدون استفاده از داده‏های ساعت آفتابی و مقدار ابرناکی برآورد شد. بدین منظور، از هشت متغیر روزانه شامل میانگین دمای هوا، بیشینة دما، کمینة دما‏، فشار هوا، رطوبت نسبی هوا، بارندگی، دمای میانگین خاک، و رطوبت خاک در کنار تابش کل روزانه‏ در ایستگاه تحقیقاتی هواشناسی دانشگاه بوعلی سینا در یک دورة 435روزه (ثبت‏شده توسط واقعه‏نگاشت GEONICA) و مدل‏های رگرسیون خطی، سیستم استنتاج عصبی- فازی تطبیفی (ANFIS)، شبکة عصبی پرسپترون چندلایه (MLP)، و شبکة عصبی رگرسیون تعمیم‏یافته (GRNN) استفاده‏ شد. نمونه‏های ورودی- هدف به دو صورت تصادفی و غیرتصادفی وارد مدل‏ها شد که نتایج گواه بر دقت بهتر مدل‏ها در نمونه‏های تصادفی‏شده تحت شرایط استفاده از کل متغیرها به‏عنوان ورودی بود. بررسی‏ها حاکی از برتری مدل MLP با 04/3RMSE= مگاژول بر متر مربع در روز و %33/86=R2 بود. افزون‏براین، به‏کارگیری کمترین متغیرهای هواشناسی شامل سه متغیر دمای میانگین هوا، رطوبت نسبی هوا، و دمای خاک در مدل GRNN توانست با 45/3RMSE= مگاژول بر مترمربع در روز و %52/82R2= عملکرد بسیار مطلوبی در تخمین GSR ارائه دهد. رگرسیون خطی چند‏متغیره نیز فقط توانست یافتن ورودی‏ها را تسهیل کند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

ارزیابی عملکرد رگرسیون چندمتغیره، شبکه عصبی مصنوعی و برنامه‌ریزی بیان ژن در تخمین برخی خصوصیات خاک

چکیده سابقه و هدف: با ظهور سیستم‌های کامپیوتری در کنار سامانه‌ اطلاعات جغرافیایی و دسترسی به داده‌های رقومی مکانی، روش‌های مختلف داده‌کاوی، مدل‌سازی و تخمین خصوصیات خاک، جایگاه خود را در علوم خاک و پدومتری باز کرده است. داده‌کاوی خصوصیات خاک با استفاده از روش‌های آماری کامپیوتر- محور به کشف الگوهای پنهان در بانک اطلاعاتی داده‌ها می‌پردازد که در نهایت منجر به برازش مدل به منظور استفاده و تخمین خ...

full text

پیش‌بینی اسلامپ بتن با استفاده از مدل شبکه عصبی مصنوعی و روش رگرسیون چندمتغیره خطی

روش‌های مختلفی جهت اندازه‌گیری کارایی بتن وجود دارد که یکی از متداول‌ترین و معمول‌ترین روش‌ها، آزمایش اسلامپ است. جهت دست‌یابی به مخلوط‌های بتنی با اسلامپ مورد نظر، باید مخلوط‌های مختلف بتنی ساخته شود و آزمایش اسلامپ بر روی آن‌ها صورت گیرد. جهت صرفه‌جویی در زمان، هزینه و مصالح بهتر است از روش‌های هوشمندی جهت پیش‌بینی اسلامپ بتن بر اساس نتایج مربوط به تعداد معینی از مخلوط‌های بتنی استفاده شود. د...

full text

مقایسۀ عملکرد مدل های GARCH چندمتغیره در تعیین ریسک پرتفوی

در این پژوهش عملکرد مدل­های GARCH چندمتغیره، برای محاسبة ارزش­ در معرض ­ریسک، مقایسه شده است. بدین‌منظور از پرتفویی شامل شاخص­های هفتگی TEDPIX، KLSE و 100 XU برای مدت ده سال استفاده شد. برای تخمین ارزش ­در­ معرض ریسک، ابتدا مدل­های CCC، DCC انگل، DCC تز و تسو و DECO-GARCH با استفاده از نرم‎افزار OxMetrics تخمین‎زده شدند. سپس با کمینه‎کردن معیارهای اطلاعاتی و حداکثر راست‌نمایی، مقدار وقفه­های به...

full text

واکاوی کارایی روش های مبتنی بر شبکه های عصبی مصنوعی و رگرسیون خطی چندمتغیره در پیش بینی کشند

پیش‌بینی تغییرات کشند، به‌دلیل اهمیتی که در برنامه‌ریزی‌های ناوگان دریایی و نظامی، حمل و نقل و کشتیرانی، طراحی بنادر و سایر مسایل مرتبط با امور دریا دارد؛ از دیرباز مورد توجه بوده است. هدف این مطالعه بررسی عملکرد مدل‌های شبکه‌های عصبی پیش‌خور با 3 الگوریتم یادگیری کاهش شیب، شیب مزدوج و لونبرگ-مارکوارد در پیش‌بینی ساعتی تغییرات کشند است. به‌علاوه در تحقیق حاضر، نتایج حاصل از مدل رگرسیون خطی چندم...

full text

تخمین سرعت نفوذپذیری پایه با استفاده از مدل‌های نروفازی، شبکه عصبی و رگرسیون خطی چندمتغیره

ننفوذ یکی از مهم‌ترین مشخصه‌های فیزیکی خاک است که اندازه‌گیری مستقیم آن دشوار، زمان‌بر و پرهزینه می‌باشد. هدف از این پژوهش تخمین سرعت نفوذپذیری پایه با استفاده مدل‌های نروفازی، شبکة مصنوعی و رگرسیون خطی چند متغیره است. بدین منظور، در 100 نقطه در منطقه دهگلان استان کردستان سرعت نفوذپذیری پایه با استفاده از استوانه مضاعف اندازه‌گیری شد. ویژگی‌های فیزیکی خاک (تخلخل، جرم ویژه ظاهری، شن، سیلت و رس) ...

full text

ارزیابی دقت روش‌های شبکه عصبی مصنوعی و عصبی- فازی در شبیه‌سازی تابش کل خورشیدی

Solar radiation is an important climate parameter which can affect hydrological and meteorological processes. This parameter is a key element in development of solar energy application studies. The purpose of this study is the assessment of artificial intelligence techniques in prediction of solar radiation (Rs) using artificial neural network (ANN) and adaptive neuro-fuzzy inference system (AN...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 51  issue 2

pages  353- 372

publication date 2019-06-22

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023