حسام شوکتی - کارشناسی ارشد سنجش از دور و اطلاعات جغرافیایی، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران
ندا کفاش چرندابی - استادیار گروه نقشهبرداری، دانشکده فنی مهندسی مرند، دانشگاه تبریز، تبریز، ایران

به موازات پیشرفت تکنولوژی در بسیاری از کشورهای جهان نیاز به انرژی در حال افزایش است. این امر بهویژه در کشورهای در حال توسعه مانند ایران اهمیت خاصی دارد. با توجه به موقعیت جغرافیایی کشور ایران و بهرهمندی آن از تعداد روزهای آفتابی زیاد، استفاده از انرژی خورشیدی درمقیاس نیروگاهی به تامین انرژی پایدار کمک میکند. با در نظر گرفتن توانایی شبکههای عصبی در حل مسائل پیچیده، در پژوهش حاضر بهمنظور شناسایی مناطق مستعد برای احداث نیروگاه خورشیدی از ترکیب سیستم تصمیمگیری مکانی، محیط GIS و شبکههای عصبی مصنوعی استفاده شده است. دادههای به کار رفته در پژوهش شامل تابش خورشیدی، بارش، ساعت آفتابی، دما، ارتفاع، شیب زمین، کاربری اراضی، فاصله از جادهها و فاصله از شهرهاست. براساس این معیارها، دادههای آموزش تهیه شدند و با استفاده از الگوریتم آموزش لونبرگ- مارکوارت شبکههای FFB، CFB و MLP تحت آموزش قرار گرفتند. براساس نتایج پژوهش، شبکه CFB بهصورت ۹، ۶، ۱ با مقادیر RMSE ۰۸۴/۰ و ۰۶۱/۰ به ترتیب برای دادههای آموزش و تست بهمنزله مناسبترین شبکه انتخاب و با نتایج بهدستآمده از این شبکه مکانیابی انجام شد. نتایج در پنج کلاس طبقهبندی شد؛ از این بین، ۵۷/۱۵ درصد در کلاس بسیار مطلوب، ۵۹/۲۰ درصد در کلاس مطلوب، ۶۵/۲۷ درصد در کلاس متوسط، ۴۵/۲۸ درصد در کلاس نامطلوب و ۷۴/۷ درصد در کلاس بسیار نامطلوب برای احداث نیروگاههای خورشیدی فتوولتائیک در استان آذربایجان شرقی شناسایی شد.

انرژی خورشیدی, مکانیابی, نیروگاههای خورشیدی فتوولتائیک, شبکه عصبی مصنوعی