تعیین متغیرهای ورودی برای تخمین تابش خورشیدی با استفاده از تئوری آنتروپی و تحلیل مولفه اصلی

تابش خورشیدی رسیده به سطح زمین یکی از متغیرهای اصلی مورد استفاده در پروژه‌ها و مدل سازی های هیدرولوژی، کشاورزی، هواشناسی و اقلیمی می باشد. در این تحقیق قابلیت عملکرد روش تحلیل مولفه اصلی (pca) و تئوری آنتروپی (en) برای تعیین ورودی مدل های شبکه عصبی مصنوعی پرسپترون چندلایه (mlp)، شبکه عصبی مصنوعی تابع پایه شعاعی (rbf)، ماشین بردار پشتیبان (svm) و برنامه‌ریزی ژنتیک (gep) در برآورد تابش خورشیدی در دو ایستگاه همدید کرمان و مشهد به ترتیب در حد فاصل سال‌های 1984 تا 2005 و 1980 تا 2004  مورد بررسی قرار گرفت. متغیرهای میانگین دما، میانگین کمبود فشار بخار آب اشباع، دمای کمینه، دمای بیشینه، ساعت آفتابی، رطوبت نسبی، دمای نقطه شبنم، فشار بخار ساعتی، دید افقی و محتوی بخار آب جو به عنوان ورودی روش های پیش پردازش انتخاب شدند. با توجه به نتایج به دست آمده در ایستگاه کرمان، مدل entmlp با ریشه میانگین مربعات خطای برابر36/38 (mj/m2) و ضریب تبیین 93/0 r2= بهترین عملکرد را داشته است. همچنین در ایستگاه مشهد مدل pcamlp با ریشه میانگین مربعات خطای برابر75/79  (mj/m2) و ضریب تبیین 77/0 r2= بهترین عملکرد را داشته است. به طور کلی هر دو روش پیش پردازش تحلیل مولفه اصلی (pca) و تئوری آنتروپی (en) برای تعیین ورودی مدل های تخمین گر به منظور تخمین تابش خورشیدی روش  مناسبی تشخیص داده شدند.

Determination of Input Variables to Estimate Solar Radiation Using Entropy Theory and Principal Component Analysis

Solar radiation arriving to the land surface is one of the major variables that is used in projects and hydrological, agricultural, meteorological and climatic models. In this study, the functionality of the principal component analysis (PCA) and the entropy theory (EN) for determination  of inputs to multilevel perceptron artificial neural network (MLP), artificial neural network, radial basis function (RBF), support vector machine (SVM)and genetic programming (GEP), was investigated for estimation of solar radiation at two stations (Kerman and Mashhad) during 19842005 and 19802004 periods, respectively. The average temperature, mean water deficit pressure, minimum temperature, maximum temperature, sunshine, relative humidity, dew point temperature, hourly vapor pressure, horizontal visibility and water content were selected as inputs of preprocessing methods. The obtained results  in Kerman station showed that the ENTMLP model with RMSE=38.36 (Mj /m2) and R2 = 0.93 have had the best performance. Also in Mashhad station, PCAMLP model with RMSE=79.75 (Mj / m2) and R2 = 0.77 had the best performance. In general, the both preprocessing  principal component analysis and entropy theory were recognized  as the proper methods for determination  of estimating models input to estimate  solar radiation.