حسین لطفی - دانشجوی کارشناسی ارشد
محمدباقر نقیبی سیستانی - استادیاردانشگاه فردوسی مشهد
سپهر سلطانی - استادیاردانشگاه آزاد اسلامی سبزوار

انرژی بادی به عنوان یکی ازمنابع انرژی تجدیدپذیروباالودگی بسیارکم درسالهای اخیررشدچشمگیری داشته است نیروگاه های بادی بزرگ باتعدادتوربین های زیاد درنواحی مختلف دنیا راه اندازی شده اند یکی ازمشکلات اساسی دراستفاده ازتوربین های بادی تغییرات سریع درمیزان توان استحصالی ازاین توربین ها میباشد دراین مقاله با استفاده ازشبکه عصبی چندلایه اموزش یافته با الگوریتم levenberg-marquardt پیش بینی کوتاه مدت انجام گرفته هدف ازاموزش شبکه های عصبی یافتن اندازه وزن ها و بایاس ها به نحوی است که خطای داده های اموزش رابه حداقل برساند داده های موجود برای دوسایت واشنگتن و مونتانا واقع درایالات متحده امریکا برای سالهای 2004و2005 مورد استفاده قرارگرفته این اطلاعات شامل سرعت های وزش باددمای سایت نیروگاه توان خروجی می باشد ورودی شبکه ایجادشده شامل سرعت باد - دمای هوا، خروجی شبکه توان تولیدی توربین های بادی می باشد

نیروگاه بادی ، شبکه های عصبی، الگوریتم پس انتشار، تخمین توان بادی، میانگین مربعات خطا، رگراسیون