1404/02/01
وحید ورشاویان

وحید ورشاویان

مرتبه علمی: استادیار
ارکید:
تحصیلات: دکترای تخصصی
اسکاپوس:
دانشکده: دانشکده کشاورزی
نشانی:
تلفن: 08134425895

مشخصات پژوهش

عنوان
مقایسه ی عملکرد رگرسیون خطی چندمتغیره و مدل های هوش مصنوعی در تخمین تابش کل خورشیدی
نوع پژوهش
مقاله چاپ‌شده در مجلات علمی
کلیدواژه‌ها
GSR، دمای خاک، رطوبت خاک، MLP، ANFIS، GRNN.
سال 1398
مجله پژوهش های جغرافیای طبیعی
شناسه DOI
پژوهشگران علی اکبر سبزی پرور ، پویا عاقل پور ، وحید ورشاویان

چکیده

تحقیق حاضر جهت برآورد تابش کل خورشیدی (GSR)در همدان با استفاده از متغیرهای مختلف هواشناسی صورت گرفته است. این پژوهش برای اولین بار در ایران با بکارگیری داده های ساعتی رطوبت خاک و بدون استفاده از داده های ساعت آفتابی و مقدار ابرناکی انجام شد. بدین منظور از 8 سری متغیر روزانه شامل میانگین دمای هوا، بیشینه دما، کمینه دما ، فشار هوا، رطوبت نسبی هوا، بارندگی، دمای میانگین خاک و رطوبت خاک، در کنار تابش کل روزانه در ایستگاه تحقیقاتی هواشناسی دانشگاه بوعلی سینا در یک دوره ی 435 روزه (ثبت شده توسط واقعه نگاشت GEONICA)، و مدلهای رگرسیون خطی، سیستم استنتاج عصبی-فازی تطبیفی (ANFIS)، شبکه عصبی پرسپترون چندلایه (MLP) و شبکه عصبی رگرسیون تعمیم یافته (GRNN) استفاده شد. نمونه های ورودی و هدف به دو صورت تصادفی و غیرتصادفی وارد مدلها شدند که نتایج گواه بر دقت بهتر مدلها در نمونه های تصادفی شده تحت شرایط استفاده از کل متغیرها بعنوان ورودی بود. بررسی ها حاکی از برتری مدل MLP با دولایه پنهان و تابع انتقال خطی اشباع، با 04/3 RMSE= مگاژول بر مترمربع در روز و 33/86= R2 درصد بود. افزون بر این، بکارگیری کمترین متغیرهای هواشناسی شامل 3 متغیر دمای میانگین هوا، رطوبت نسبی هوا و دمای خاک در مدل GRNN توانست با 45/3 RMSE= مگاژول بر مترمربع در روز و 52/82 R2= درصد عملکرد بسیار مطلوبی را در تخمین GSR ارائه دهد. مدل رگرسیون خطی چند متغیره نیز نسبت به سایر مدل ها بیشترین خطا را در برآورد این متغیر ازخود به نمایش گذاشت.