تعیین متغیرهای ورودی برای تخمین تابش خورشیدی با استفاده از تئوری آنتروپی و تحلیل مؤلفه اصلی

تابش خورشیدی رسیده به سطح زمین یکی از متغیرهای اصلی مورد استفاده در پروژه‌ها و مدل­سازی­های هیدرولوژی، کشاورزی، هواشناسی و اقلیمی می­باشد. در این تحقیق قابلیت عملکرد روش تحلیل مؤلفه اصلی (PCA) و تئوری آنتروپی (EN) برای تعیین ورودی مدل­های شبکه عصبی مصنوعی پرسپترون چندلایه (MLP)، شبکه عصبی مصنوعی تابع پایه شعاعی (RBF)، ماشین بردار پشتیبان (SVM) و برنامه‌ریزی ژنتیک (GEP) در برآورد تابش خورشیدی در دو ایستگاه همدید کرمان و مشهد به ترتیب در حد فاصل سال‌های 1984 تا 2005 و 1980 تا 2004  مورد بررسی قرار گرفت. متغیرهای میانگین دما، میانگین کمبود فشار بخار آب اشباع، دمای کمینه، دمای بیشینه، ساعت آفتابی، رطوبت نسبی، دمای نقطه شبنم، فشار بخار ساعتی، دید افقی و محتوی بخار آب جو به عنوان ورودی روش­های پیش­پردازش انتخاب شدند. با توجه به نتایج به­دست آمده در ایستگاه کرمان، مدل ENT-MLP با ریشه میانگین مربعات خطای برابر36/38 (Mj/m2) و ضریب تبیین 93/0 R2= بهترین عملکرد را داشته است. همچنین در ایستگاه مشهد مدل PCA-MLP با ریشه میانگین مربعات خطای برابر75/79  (Mj/m2) و ضریب تبیین 77/0 R2= بهترین عملکرد را داشته است. به طور کلی هر دو روش پیش­پردازش تحلیل مؤلفه اصلی (PCA) و تئوری آنتروپی (EN) برای تعیین ورودی مدل­های تخمین­گر به منظور تخمین تابش خورشیدی روش  مناسبی تشخیص داده شدند.