• انتخاب مرتبط ترین پارامترهای ورودی با استفاده از weka برای مدل های پیش بینی تشعشع خورشیدی مبتنی بر شبکه های عصبی مصنوعی

    کلمات کلیدی :
    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1393/09/05
    • تاریخ انتشار در تی پی بین: 1393/09/05
    • تعداد بازدید: 737
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    پیش بینی تشعشع خورشیدی برای کاربری های بسیاری در تحقیقات مربوط به انرژی تجدیدپذیر مهم می باشد. تشعشع خورشیدی با استفاده از مدل های پیش بینی تشعشع خورشیدی که شامل مدل های سنتی و مدل مبتنی بر شبکه عصبی مصنوعی artificial neural network (ann) می باشد، پیش بینی می گردد. در این جا متغیرهای هواشناسی و جغرافیایی وجود دارند که بر تشعشع خورشیدی تاثیر می گذارند، لذا شناسایی متغیرهای مناسب برای پیش بینی صحیح تشعشع خورشیدی امری مهم در حیطه تحقیقات به حساب می آید. نرم افزار محیط وایکاتو برای تجزیه و تحلیل دانش waikato environment for knowledge analysis (weka) با این هدف در 11 نقطه در گیلان با شرایط آب و هوایی مختلف به منظور یافتن موثرترین پارامترهای ورودی برای پیش بینی تشعشع خورشیدی در مدل های ann استفاده گردید. پارامترهای ورودی عبارتند از عرض جغرافیایی، طول جغرافیایی، حداکثر سرعت وزش باد، متوسط دمای هوا در هر ماه، معدل حداکثر دمای هوا، معدل حداقل دمای هوا، ساعات آفتابی، بارندگی ماهیانه، حداکثر بارندگی در یک روز برای شهرهای مختلف گیلان. به منظور چک کردن صحت پیش بینی با استفاده از پارامترهای شناخته شده، سه مدل شبکه عصبی مصنوعی ann توسعه یافته اند ann-1)، ann-2 و (ann-3. حداکثر mape برای ann-1، ann-2 و ann-3 به ترتیب برابر با 22.15٪، 20.29٪ و 22.14٪ می باشند که نشان از 1.86٪ بهبود صحت در پیش بینی مدل ann-2 دارند.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها