علی اکبر سبزی پرور - دانشگاه بوعلی سینا همدان
مریم بیات ورکشی - دانشگاه بوعلی سینا همدان

تابش خورشیدی از پارامترهای مهم اقلیمی است که با بسیاری از فرآیندهای هیدرولوژی و هواشناسی ارتباط مستقیم و تنگاتنگی دارد. این پارامتر از ارکان اساسی توسعه تحقیقات کاربردی انرژی خورشیدی به شمار می رود. مطالعه حاضر به منظور ارزیابی مدل های هوش مصنوعی در پیش بینی مقدار تابش کل خورشیدی رسیده به سطح افقی زمین، انجام گرفت. در این تحقیق شبکه عصبی مصنوعی (ANN) و سیستم استنتاج تطبیقی عصبی- فازی (ANFIS) جهت شبیه سازی مقدار تابش کل خورشیدی (Rs) به کار گرفته شد. اطلاعات مورد استفاده شامل دمای حداقل، دمای حداکثر، میانگین رطوبت نسبی، ساعات آفتابی و تابش خورشیدی روزانه ثبت شده در ۴ ایستگاه هم نظیر کشور (اصفهان، ارومیه، شیراز و کرمان) طی سال های ۱۹۹۲ تا ۲۰۰۶ بود. نتایج نشان داد، با به کارگیری مدل های هوشمند می توان مقدار تابش خورشیدی را با دقت قابل قبول پیش بینی نمود. نتایج پیش بینی شبکه عصبی مصنوعی تا اندازه ای بهتر از سیستم استنتاجی عصبی- فازی، ضمن آنکه دقت پیش بینی هر دو مدل هوشمند در ایستگاه کرمان با ساعات آفتابی زیاد بهتر از سه ایستگاه دیگر بود (R۲>۰.۹). همچنین با استفاده از مدل رگرسیون خطی موثرترین عوامل تاثیرگذار بر مقدار تابش خورشیدی هر ایستگاه شناسایی شد. نتایج نشان داد در کلیه ایستگاه های مورد مطالعه، پارامتر ساعات آفتابی بیشترین تاثیر را بر مقدار تابش خورشیدی داشت. در اغلب ایستگاه ها، حداقل دمای هوا و میانگین رطوبت نسبی، کمترین تاثیر را در مقدار تابش کل خورشیدی از خود نشان دادند.

تابش کل خورشیدی, شبکه عصبی مصنوعی, سیستم استنتاج تطبیقی عصبی- فازی, مدل رگرسیونی, پیش بینی