ارزيابي كارايي سامانه استنتاج تطبيقي عصبي-فازي (ANFIS) در برآورد تابش كل خورشيدي

Evaluation of Neuro-Fuzzy Inference Systems (ANFIS) performance in global solar radiation estimation

تابش خورشيد نقش مهمي در بيلان انرژي سطح زمين و نيز مطالعات اقليمي-كشاورزي دارد. در اين پژوهش، جهت برآورد مقادير تابش خورشيدي از سيستم استنتاج تطبيقي عصبي-فازي (ANFIS) 5 استفاده شد و نتايج با مدل آنگستروم- پرسكات مبتني بر متغيرهاي هواشناسي موثر بر مقادير تابش خورشيدي دريافتي در شش ايستگاه تابش سنجي منتخب ايران مورد مقايسه گرفت. به اين منظور، از داده هاي هواشناسي يك دوره 11ساله (2017-2007) شش ايستگاه سينوپتيك به عنوان ورودي به مدل ANFIS در نرم افزار متلب استفاده شد. ورودي هاي مدل شامل طول ساعت آفتابي، رطوبت نسبي، دماي نقطه شبنم، فشار بخارآب، حداقل دماي هوا، حداكثر دماي هوا، ميانگين دماي هوا، ابرناكي و دماي خاك و تنها خروجي مدل، تابش دريافتي روزانه بود. عملكرد دو مدل توسط آماره t (t-student) ارزيابي شد. مطابق نتايج، تخمين تابش خورشيدي توسط مدل ANFIS، نسبت به مدل آنگستروم تطابق بهتري با نتايج مشاهداتي دارد. در اين مطالعه سنجه هاي آماري t، r، MBE و RMSE به منظور برآورد كارايي مدل در برآورد تابش خورشيدي در مقياس زماني روزانه و ماهانه به كار برده شدند كه درمجموع، سنجه t حاصل از نتايج تخمين تابش با استفاده از مدل ANFIS، در ايستگاه هاي كرمان، مشهد ﺷﯿﺮاز، زﻧﺠﺎن، ﯾﺰد و ﺑﻨﺪرﻋﺒﺎس در ﻣﻘﯿﺎس زﻣﺎﻧﯽ روزاﻧﻪ ﺑﻪ ﺗﺮﺗﯿﺐ )3/93 ،2/20 ،3/25 ،7/52 ،4/78و 0/26( و ﻣﺎﻫﺎﻧﻪ )0/59 ،0/29 ،0، 0/20 ،0/21 ،0/44( ﺑﻮدﻧﺪ. آﻣﺎره t ﺣﺎﺻﻞ از ﻧﺘﺎﯾﺞ ﺗﺨﻤﯿﻦ ﺗﺎﺑﺶ ﺑﺎ اﺳﺘﻔﺎده از ﻣﺪل آﻧﮕﺴﺘﺮوم در ﻣﻘﯿﺎس زﻣﺎﻧﯽ روزاﻧﻪ ﻧﯿﺰ ﺑﻪ ﺗﺮﺗﯿﺐ )34/91 ،2/39 ،28/90 ،36/31 ،20/16 و 49/96( و ﻣﻘﯿﺎس ﻣﺎﻫﺎﻧﻪ )8/38 ،0/59 ،4/68 ،9/53 ،6/74 و 9/71 ( ﺑﻮد. ﺑﺮ اﺳﺎس ﯾﺎﻓﺘﻪ ﻫﺎي اﯾﻦ ﻣﻄﺎﻟﻌﻪ، ﺑﺎ ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﻋﻤﻠﮑﺮد ﻓﺮآﯾﻨﺪ ﻣﺪل ﺳﺎزي ﻏﯿﺮﺧﻄﯽ، ﻣﺪل ANFIS ﺑﺮآورد ﺗﺎﺑﺶ ﺧﻮرﺷﯿﺪي را ﻧﺴﺒﺖ ﺑﻪ روش آﻧﮕﺴﺘﺮوم ﺑﻬﺒﻮد ﻣﯽ ﺑﺨﺸﺪ.

Solar radiation plays an important role in surface energy balance and agroclimatic studies. In order to estimate daily global solar irradiance, Adaptive Neuro-Fuzzy Inference System (ANFIS) was used and compared with extended Angstrom Prescott model using 11-years data (2007-2017) climatic data of 6 meteorological stations across Iran namely, Mashhad, Kerman, Shiraz, Yazd, Zanjan and Bandar Abbas. The daily weather data including sunshine duration(n), Relative humidity (RH%), Dew point temperature (Td), water vapor pressure, maximum/Minimum air temperature, mean air temperature, cloudiness and soil temperature were used as inputs of ANFIS model to estimate the daily solar radiation, as the output. Performance of two models was evaluated using t-student index. According to the results, ANFIS model did a better job in estimation of solar radiation comparing to Angstrom-Prescott model as it showed closer agreement with observed data. For evaluation of each model’s skill in estimating solar radiation at daily and monthly time scales, the statistical indices of RMSE, MBE, r, t were used .Finally, the obtained values of t-test statistic of radiation estimation using ANFIS model, in Kerman, Mashhad, Shiraz, Zanjan, Yazd and Bandar Abbas station in daily time scale were 4.78, 7.52, 3.25, 2.20, 93.3, and 0.26, respectively. The corresponding monthly values were 0, 0.29, 0.59, 0.44, 0.21, and 0.20 respectively. Similarly, the t-index of radiation estimations by Angstrom model compared to observations for daily time scale were also 20.16, 36.31, 28.90, 2.39, 34.91 and 49.96, respectively. For monthly series, t values were 6.74, 9.53, 4.68, 0.59, 8.38 and 9.71, respectively. According to the findings of this study, the nonlinear modeling process of ANFIS model improves the estimation of solar radiation compared to the Angstrom-Prescott method.