دوره 4، شماره 3 - ( 9-1393 )                   جلد 4 شماره 3 صفحات 38-47 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Ameri M, Hadipoor M. Evaluation of Artificial Neural Network Performance to Predict Daily Solar Radiation in Iran. JEM. 2014; 4 (3) :38-47
URL: http://energy.kashanu.ac.ir/article-1-219-fa.html
عامری مهران، هادی پور محمد. ارزیابی عملکرد شبکۀ عصبی مصنوعی در پیش‌بینی تابش خورشیدی روزانۀ کشور ایران. مهندسی و مدیریت انرژی. 1393; 4 (3) :38-47

URL: http://energy.kashanu.ac.ir/article-1-219-fa.html


دانشيار دانشگاه شهید باهنر کرمان
چکیده:  
درایران به‌طور متوسط، 5/5 کیلووات ساعت انرژی خورشیدی بر هر مترمربع از سطح زمین می‌تابد و 300 روز آفتابی در 90% خاک ایران موجود است. با توجه به ‌این میزان تابش و لزوم آگاهی از پهنه‌بندی پتانسیل خورشیدی جهت بهره‌وری مناسب، نیاز به ‌رسم نقشه‌های پتانسیل خورشیدی است. در این مطالعه، از داده‌های ماهیانه 10 ساله (1991-2000 میلادی)، موجود 39 ایستگاه سینوپتیک هواشناسی ایران به‌عنوان داده‌های ورودی به‌ نرم‌افزار Matlab و شبکۀ عصبی مصنوعی استفاده شد. از یک مدل چندلایه پیشخور در شبکۀ عصبی مصنوعی استفاده شده است. پس از اعمال داده‌های ورودی به شبکه با معماری مورد نظر در لایۀ خروجی، تشعشع خورشیدی پیش‌بینی شده است. تشعشع خورشیدی پیش‌بینی‌شده توسط شبکۀ عصبی مصنوعی همخوانی قابل توجهی با داده‌های هواشناسی داشته، به‌طوری‌که ضریب همبستگی نهایی به‌دست‌آمده از شبکۀ عصبی مصنوعی 96/0 است که حاکی از دقت بالای داده‌های به‌دست‌آمده از نرم‌افزار است. با انتخاب داده‌های پیش‌بینی‌شده از شبکۀ عصبی مصنوعی به‌عنوان ورودی برای نرم‌افزار ArcGIS نقشۀ پتانسیل خورشیدی سالیانه برای ایران به‌دست آمده است.
نوع مطالعه: پژوهشي | موضوع مقاله: مهندسی مکانیک

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
کد امنیتی را در کادر بنویسید

کلیه حقوق این وب سایت متعلق به نشریه مهندسی و مدیریت انرژی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2015 All Rights Reserved | Energy Engineering Management

Designed & Developed by : Yektaweb