كاربرد مدلهاي شبكه عصبي مصنوعي (MLP و RBF) و ماشين بردار پشتيبان (SVM) به منظور تخمين ميزان سايه در جمع‌كننده‌هاي خورشيدي صفحه تخت در ايران

در اين تحقيق از مدل‌ شبكه عصبي مصنوعي و رگرسيون بردار پشتيبان به‌منظور تخمين ميزان سايه در جمع كننده‌ صفحه تخت خورشيدي با توجه به شرايط جغرافيايي ايران استفاده شد. دو نوع الگوريتم آموزش LM و BR همراه با تابع انتقال تانژانت سيگموئيدي و تعداد متنوعي از نورون ها در لايه پنهان همراه با مدل اعتبارسنجي تقاطعي به منظور ايجاد مجموعه داده‌هاي تصادفي مورد استفاده قرار گرفت. نتايج نشان داد كه مدل MLP با الگوريتم آموزشي BR و ساختار (1235) مي‌تواند داده‌هايي با دقت بالا و شبيه به مقادير واقعي ايجاد كند. ميانگين آماره هاي MAPE و R2 براي مدل فوق به ترتيب 0.10±0.42 درصد و 0.01±0.99، برآورد شد و نتايج آماري مقايسه ميانگين، واريانس و توزيع آماري در سطح احتمال 95% بين داده‌هاي واقعي و مقادير پيش‌بيني شده، معني‌دار نبودند. نتايج آناليز حساسيت نشان داد كه فاصله صفحه جاذب تا پوشش شيشه‌اي مهم‌ترين فاكتور تاثيرگذار بر ايجاد سايه است.