مقایسه مدل های تجربی، رگرسیونی و شبکه عصبی مصنوعی در برآورد تابش خالص دریافتی(Rs) در ایستگاه سینوپتک زاهدان

Abstract

تابش خورشیدی در بسیاری از مدلهای هیدرولوژی به عنوان پارامتری مهم در تخمین تبخیر و تعرق می­باشد. تهیه و ایجاد وسایل انداره­گیری این پارامتر بسیار پرهزینه می­باشد. در این تحقیق از داده­های اندازه­گیری شده تابش (Rs) در سال های 1385 تا 1389 ایستگاه هواشناسی زاهدان استفاده شده است. در این تحقیق چند مدل غیرخطی نظیر شبکه عصبی با الگوریتم BFGS و شبکه عصبی با کاهش شیب توام و رگرسیون خطی محلی با استفاده از آزمون گاما توسعه داده شد. سپس این مدل­های غیرخطی و دو مدل تجربی شامل آنگستروم-پرسکات و گلور مک کلوت برای پیش­بینی تابش مورد ارزیابی قرار گرفت. از پارامترهای دمای ماکزیمم، سرعت متوسط باد و تابش برون زمینی و ساعت آفتابی برای پیش بینی روش­های غیر خطی استفاده شد. نتایج مقایسه مقادیر محاسبه شده با مدل­ها با مقادیر اندازه­گیری شده توسط پیرانومتر نشان می­دهد که شبکه عصبی با روند­نما BFGS دارای 95/1 RMSE= ، 47/1 MAE= و 93/0= R² است که دارای بهترین عملکرد در مدل ها می­باشد. بعد از آن مدل شبکه عصبی با کاهش شیب توام و مدل رگرسیونی خطی محلی است که مقادیر RMSE، MAE و R² برای آنها به ترتیب برابر 53/2، 77/1، 88/0 و 89/2، 89/1، 82/0 می­باشد. روش انگستروم و گلور-مک کلوت نیز به ترتیب دارای مقادیر 38/4RMSE= ، 21/3 MAE= ، 33/0= R² و 64/4RMSE= ، 07/3 MAE= و 50/0= R²می­باشند.