بررسی و مقایسه‌ عملکرد شبکه‌های عصبی مصنوعی ffb، cfb و mlp به‌منظور شناسایی مکان‌های مستعد برای احداث نیروگاههای خورشیدی فتوولتائیک در استان آذربایجان شرقی

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 9، 6، 1 با مقادیر rmse 0.084 و 0.061 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، 15.57 درصد در کلاس بسیار مطلوب، 20.59 درصد در کلاس مطلوب، 27.65 درصد در کلاس متوسط، 28.45 درصد در کلاس نامطلوب و 7.74 درصد در کلاس بسیار نامطلوب برای احداث نیروگاههای خورشیدی فتوولتائیک در استان آذربایجان شرقی شناسایی شد.