بررسي و مقايسه‌ عملكرد شبكه‌هاي عصبي مصنوعي FFB، CFB و MLP به‌منظور شناسايي مكان‌هاي مستعد براي احداث نيروگاههاي خورشيدي فتوولتائيك در استان آذربايجان شرقي

به موازات پيشرفت تكنولوژي در بسياري از كشورهاي جهان نياز به انرژي در حال افزايش است. اين امر به‌ويژه در كشورهاي در حال توسعه مانند ايران اهميت خاصي دارد. با توجه به موقعيت جغرافيايي كشور ايران و بهره‌مندي آن از تعداد روزهاي آفتابي زياد، استفاده از انرژي خورشيدي درمقياس نيروگاهي به تأمين انرژي پايدار كمك مي‌كند. با در نظر گرفتن توانايي شبكه‌هاي عصبي در حل مسائل پيچيده، در پژوهش حاضر به‌منظور شناسايي مناطق مستعد براي احداث نيروگاه خورشيدي از تركيب سيستم تصميم‌گيري مكاني، محيط GIS و شبكه‌هاي عصبي مصنوعي استفاده شده است. داده‌هاي به كار رفته در پژوهش شامل تابش خورشيدي، بارش، ساعت آفتابي، دما، ارتفاع، شيب زمين، كاربري اراضي، فاصله از جاده‌ها و فاصله از شهرهاست. براساس اين معيارها، داده‌هاي آموزش تهيه شدند و با استفاده از الگوريتم آموزش لونبرگ ماركوارت شبكه‌هاي FFB، CFB و MLP تحت آموزش قرار گرفتند. براساس نتايج پژوهش، شبكه‌ CFB به‌صورت 9، 6، 1 با مقادير RMSE 0.084 و 0.061 به ترتيب براي داده‌هاي آموزش و تست به‌منزله‌ مناسب‌ترين شبكه انتخاب و با نتايج به‌دست‌آمده از اين شبكه مكان‌يابي انجام شد. نتايج در پنج كلاس طبقه‌بندي شد؛ از اين بين، 15.57 درصد در كلاس بسيار مطلوب، 20.59 درصد در كلاس مطلوب، 27.65 درصد در كلاس متوسط، 28.45 درصد در كلاس نامطلوب و 7.74 درصد در كلاس بسيار نامطلوب براي احداث نيروگاههاي خورشيدي فتوولتائيك در استان آذربايجان شرقي شناسايي شد.