مقایسه دقّت روش‌های رگرسیونی و هوش‌مصنوعی در برآورد سرعت روزانه باد در منطقه سیستان

پژوهش حاضر با هدف مقایسه دقّت پیش‌بینی روش‌های رگرسیونی، شبکه عصبی‌مصنوعی و سیستم استنتاج فازی عصبی تطبیقی در برآورد سرعت باد در منطقه سیستان انجام شد. برای این منظور از داده‌های روزانه ایستگاه‌های هواشناسی سینوپتیک زابل و زهک طی یک دوره پنج ساله (2015-2010) استفاده شد. برای مدل‌سازی به روش شبکه عصبی‌مصنوعی و سیستم استنتاج فازی از نرم‌افزار matlab و برای مدل‌سازی با روش‌های رگرسیونی از نرم‌افزار data fitاستفاده شد. دقّت روش‌ها با استفاده از آماره‌های جذر میانگین مربعات خطا، شاخص تطابق و میانگین قدر مطلق خطا مورد ارزیابی قرار گرفت. ب بر اساس نتایج، متوسط درجه حررات روزانه و متوسط رطوبت نسبی به‌ترتیب، بیش‌ترین وکمترین تاثیر را بر سرعت باد در منطقه سیستان دارند (به‌ترتیب ضریب همبستگی 42/0 و 25/0). علاوه بر این، نتایج بیانگر آن است که در بین روش‌های مورداستفاده روش نروفازی با تابع عملگر گوسین در برآورد سرعت باد دارای عملکرد دقیق‌تری است (جذر میانگین مربعات خطا، 56/2). در حالی‌که مجذور میانگین مربعات خطا برای مدل رگرسیون 44/4 می‌باشد. همچنین ضریب تشخیص روابط رگرسیون (51/0 و 45/0) نیز در مقایسه با مدل پرسترون چندلایه و مدل نروفازی (52/0 و 51/0) در هر دو ایستگاه کمتر است. بر این اساس پیشنهاد می‌گردد جهت تخمین و پیش‌بینی دقیق‌تر سرعت باد در منطقه سیستان از روش نروفازی استفاده شود تا با برآورد دقیق این مولفه، علاوه بر برنامه‌ریزی جهت کاهش خسارات ناشی از وزش باد‌های شدید، امکان بهره‌برداری بهینه از این منبع انرژی نیز فراهم شود.