ارزیابی شبکه عصبی مصنوعی و مدل تجربی ایرماک در تخمین تابش خالص خورشیدی روزانه در اقلیم سرد و نیمه‌خشک (مطالعه موردی: همدان)

یکی از عوامل مهم و تأثیرگذار در شار حرارتی خاک و شدت تبخیر- تعرق، تابش خالص خورشیدی می­باشد. تابش خالص تفاوت بین شارهای تابش ورودی و خروجی در طول موج­های بلند و کوتاه می­باشد. اندازه­گیری تابش خالص به‌علت مشکلات واسنجی و هزینه آن دشوار است. بنابراین تابش خالص اغلب از معادلات نیمه­تجربی مبتنی بر مشاهدات تابش طول‌موج کوتاه خورشیدی، فشار بخار و دمای هوا پیش­بینی می­شود. با توجه به اینکه شبکه عصبی در پیش­بینی پارامترهای هواشناسی و هیدرولوژی از عملکرد مناسبی برخوردار است، لذا در این تحقیق سعی شد تا با استفاده از شبکه عصبی مقدار تابش خالص روزانه همدان که دارای اقلیم سرد و نیمه­خشک می­باشد تخمین زده شود و با داده­های اندازه­گیری شده تابش خالص روزانه ایستگاه کلیماتولوژی دانشگاه بوعلی سینا در طول دوره 13 ماه (آذر 1390- آذر 1391) مقایسه شود. همچنین در این پژوهش مدل تجربی ایرماک نیز برای برآورد تابش خالص روزانه مورد واسنجی و استفاده قرار گرفت. بدین منظور، در طراحی شبکه عصبی 11 پارامتر هواشناسی مؤثر در تابش خالص به­عنوان ورودی مدل به‌کار گرفته شد. پس از انجام آزمون و خطا در انتخاب مدل بهینه، شبکه عصبی با آرایش 1-2-11 برای پیش­بینی تابش خالص مورداستفاده قرار گرفت. 70 درصد داده­ها جهت آموزش و 30 درصد داده­ها  به­منظور اعتبارسنجی مدل استفاده گردید. برآوردهای مدل ایرماک نیز به­صورت روزانه ارائه گردید. نتایج تحقیق نشان داد که شبکه عصبی با ضریب تعیین (R2) 95/0 و مقدار خطا RMSE معادل1377 (وات بر متر­مربع در روز) عملکرد و دقت بهتری در تخمین تابش خالص در مقایسه با مدل ایرماک با ضریب تعیین 55/0 و مقدار آماره RMSE معادل 13614 (وات بر متر­مربع در روز)  دارا می­باشد.