تاثیر پارامترهای اقلیمی در مدل‌سازی تابش خورشیدی با استفاده از مدل‌های هوش مصنوعی (مطالعه موردی: ایستگاه سینوپتیک یزد)

تابش خورشیدی یکی از پارامترهای مهم اقلیمی است که بر بسیاری از فرایندهای آب و خاک مانند تبخیر، ذوب برف و رشد گیاهان اثر می گذارد. ازاین‌رو، برآورد میزان صحیح تابش خورشیدی در توسعه پژوهش های کاربردی ضروری به‌نظر‌می‌رسد. در این مقاله سعی شده است کارایی دو روش شبکه عصبی مصنوعی و مدل های استنتاج فازی در پیش بینی میزان تابش خورشیدی برای 12 ماه آینده در ایستگاه یزد بررسی شود. به‌این‌منظور، با استفاده از تحلیل حساسیت پارامترهای اقلیمی مختلف، دمای بیشینه روزانه، دمای میانگین روزانه، بیشینه ساعات آفتابی، میانگین رطوبت نسبی هوا و تبخیر به‌عنوان عوامل موثر در پیش‌بینی تابش خورشیدی شناسایی و با ایجاد ترکیبات مختلف داده ها، دو مدل ارزیابی شدند. درنهایت، بعد از اطمینان از کارایی دو مدل در مرحله آزمایش و حصول بهترین نتایج که بیشترین ضریب همبستگی و کمترین خطا را در فرایند پیش بینی تابش خورشیدی به دنبال داشت، تنها با وارد کردن پارامترهای اقلیمی موثر سال 2005 به‌عنوان ورودی، مقدار تابش خورشیدی سال 2006 به‌عنوان خروجی، پیش بینی و نتایج پیش بینی شده با داده های واقعی مقایسه شد. نتایج پیش بینی ها، کارایی زیاد شبکه های عصبی و فازی عصبی را هم در مرحله آزمایش مدل و هم در فرایند پیش بینی نشان می داد. در مجموع، شبکه های عصبی مصنوعی با ضریب همبستگی 91/0 و میزان rmse و mae به‌ترتیب 11/0 و 08/0، در پیش‌بینی ها خطای کمتری را در مقایسه با شبکه های فازی عصبی داشتند. همچنین کمیت bias نیز 30/0 محاسبه شد که مقدار منفی، فروتخمینی جزئی را در داده ها نشان می‌دهد. در این پژوهش، ساعات آفتابی و دمای متوسط موثرترین پارامترها در پیش بینی تابش خورشیدی شناخته شدند درحالی که رطوبت نسبی، کمترین نقش را در این فرایند ایفا کرد.