Other language title :
ارزيابي پتانسيل استفاده از تكنيك هاي شبكه هاي عصبي مصنوعي و عصبي- فازي به GSR مطالعه موردي: استان اصفهان، ايران منظور پيش بيني
Title of article :
Evaluating Potential of Artificial Neural Network and Neuro- Fuzzy Techniques for Global Solar Radiation Prediction in Isfahan, Iran
Author/Authors :
Taghadomi-Saberi, S Department of Biosystem Engineering - College of Agriculture - Isfahan University of Technology, Islamic Republic of Iran , Razavi, S.J Department of Biosystem Engineering - College of Agriculture - Isfahan University of Technology, Islamic Republic of Iran
Abstract :
In this study, two widely used artificial intelligence techniques, i.e. Artificial Neural
Network (ANN) and Adaptive Neuro-Fuzzy Inference System (ANFIS), were applied for
global solar radiation (GSR) prediction in Isfahan Province, Iran. Different sets of
meteorological data were used as inputs to specify the best set of inputs. Relative humidity
and precipitation had an unfavorable effect on radiation prediction, while the number of
days, sunshine duration, minimum temperature, maximum temperature, daylight hours
and clear-sky radiation were effective parameters to determine GSR. Using the mentioned
parameters as inputs, 6-5-1 architecture had the best performance without overtraining. In
ANFIS models, ' triangular-shaped' had the highest performance amongst different types
of membership functions. Resulted correlation coefficients and errors showed that ANN
was generally better than ANFIS for this purpose.
Farsi abstract :
امروزه كاربرد انرژي هاي پاك، تجديدپذير و قابل اطمينان و برنامه ريزي براي كاهش هزينه هاي كاربرد و افزايش بازده آنها توجه زيادي را به خود جلب كرده است. اين تلاش ها نه تنها از نقطه نظر مواجه با تغييرات آب و هوايي، آلودگي آب و هوا مؤثر و مفيد است، بلكه براي ارتقاي وضعيت بهره وري از انرژي نيز مؤثر و مفيد واقع مي شود. به منظور طراحي يك استراتژي مديريت انرژي براي يك سامانه خورشيدي، ناگريز بايد از دسترسي به انرژي خورشيدي، جذاب ترين و فراوان ترين فرم از انرژي هاي پاك، آگاهي داشت. در اين مقاله به منظور پيش بيني تابش خورشيدي جهاني (GSR) در استان اصفهان از دو تكنيك پر كاربرد هوش مصنوعي، شبكه هاي عصبي مصنوعي و انفيس، استفاده شده است. از مجموعه داده هاي هواشناسي مختلف با تركيب متفاوت داده ها استفاده شد تا بهترين مجموعه ورودي تعيين شود. رطوبت نسبي و ميزان بارش تأثير نامطلوبي روي پيش بيني تابش داشتند. در حاليكه شماره روز (365-1)، طول دوره تابش، دماي بيشينه و كمينه، ساعت روشنايي روز و ميزان تابش آسمان - صاف پارامترهاي مؤثري در تخمين GSR ارزيابي شدند. با استفاده از پارامترهاي مذكور به عنوان ورودي، يك شبكه با توپولوژي
6 - 5 - 1 بهترين علمكرد بدون بيش برازش را نشان داد. در بين مدل هاي انفيس نيز، تابع عضويت «مثلثي بهترين عملكرد را از ميان توابع ديگر نشان داد. ضرايب همبستگي و خطاهاي منتج نشان داد كه به طور كلي عملكرد شبكه هاي عصبي مصنوعي براي هدف مورد نظر از مدل هاي انفيس بهتر است.
Keywords :
Modeling , Meteorological data , GSR , ANN , ANFIS
