ارزيابي عملكرد شبكه عصبي مصنوعي در پيش‌بيني تابش خورشيدي روزانه كشور ايران

Evaluation of Artificial Neural Network Performance to Predict Daily Solar Radiation in Iran

درايران به‌طور متوسط، 5/5 كيلووات ساعت انرژي خورشيدي بر هر مترمربع از سطح زمين مي‌تابد و 300 روز آفتابي در 90% خاك ايران موجود است. با توجه به ‌اين ميزان تابش و لزوم آگاهي از پهنه‌بندي پتانسيل خورشيدي جهت بهره‌وري مناسب، نياز به ‌رسم نقشه‌هاي پتانسيل خورشيدي است. در اين مطالعه، از داده‌هاي ماهيانه 10 ساله (1991-2000 ميلادي)، موجود 39 ايستگاه سينوپتيك هواشناسي ايران به‌عنوان داده‌هاي ورودي به‌ نرم‌افزار Matlab و شبكه عصبي مصنوعي استفاده شد. از يك مدل چندلايه پيشخور در شبكه عصبي مصنوعي استفاده شده است. پس از اعمال داده‌هاي ورودي به شبكه با معماري مورد نظر در لايه خروجي، تشعشع خورشيدي پيش‌بيني شده است. تشعشع خورشيدي پيش‌بيني‌شده توسط شبكه عصبي مصنوعي همخواني قابل توجهي با داده‌هاي هواشناسي داشته، به‌طوري‌كه ضريب همبستگي نهايي به‌دست‌آمده از شبكه عصبي مصنوعي 96/0 است كه حاكي از دقت بالاي داده‌هاي به‌دست‌آمده از نرم‌افزار است. با انتخاب داده‌هاي پيش‌بيني‌شده از شبكه عصبي مصنوعي به‌عنوان ورودي براي نرم‌افزار ArcGIS نقشه پتانسيل خورشيدي ساليانه براي ايران به‌دست آمده است.

Iran has an average of 5.5 KWh per square meter solar radiation and 300 sunny days per year on 90% of the land. Regarding this amount of solar radiation and the necessity for solar potential zoning for better efficiencies, drawing solar potential maps is essential. In this study, the monthly data of 39 synoptic of Iran meteorological stations over years (1991-2000) has been used as the input data to the MATLAB software and artificial neural network (ANN). In the ANN, a multi-layer feed forward model is used. After applying the input data to the network with desired architecture, in output layer the solar radiation is predicted. The solar radiation anticipated by ANN is highly in accordance with meteorological data so that the final correlation coefficient is 0.96, depicting the great accuracy of the data derived from the software. By selecting the predicted data of ANN as input to ArcGIS software, the annual solar potential map of Iran is obtained.