مقایسۀ عملکرد رگرسیون خطی چندمتغیره و مدل های هوش مصنوعی در تخمین تابش کل خورشیدی
نویسندگان
چکیده مقاله:
در این پژوهش، برای اولین بار در ایران، تابش کل خورشیدی (GSR) با بهکارگیری داده‌های ساعتی رطوبت خاک و بدون استفاده از داده‌های ساعت آفتابی و مقدار ابرناکی برآورد شد. بدین منظور، از هشت متغیر روزانه شامل میانگین دمای هوا، بیشینة دما، کمینة دما، فشار هوا، رطوبت نسبی هوا، بارندگی، دمای میانگین خاک، و رطوبت خاک در کنار تابش کل روزانه در ایستگاه تحقیقاتی هواشناسی دانشگاه بوعلی سینا در یک دورة 435روزه (ثبتشده توسط واقعهنگاشت GEONICA) و مدلهای رگرسیون خطی، سیستم استنتاج عصبی- فازی تطبیفی (ANFIS)، شبکة عصبی پرسپترون چندلایه (MLP)، و شبکة عصبی رگرسیون تعمیمیافته (GRNN) استفاده شد. نمونههای ورودی- هدف به دو صورت تصادفی و غیرتصادفی وارد مدلها شد که نتایج گواه بر دقت بهتر مدلها در نمونههای تصادفیشده تحت شرایط استفاده از کل متغیرها بهعنوان ورودی بود. بررسیها حاکی از برتری مدل MLP با 04/3RMSE= مگاژول بر متر مربع در روز و %33/86=R2 بود. افزونبراین، بهکارگیری کمترین متغیرهای هواشناسی شامل سه متغیر دمای میانگین هوا، رطوبت نسبی هوا، و دمای خاک در مدل GRNN توانست با 45/3RMSE= مگاژول بر مترمربع در روز و %52/82R2= عملکرد بسیار مطلوبی در تخمین GSR ارائه دهد. رگرسیون خطی چندمتغیره نیز فقط توانست یافتن ورودیها را تسهیل کند.
منابع مشابه
ارزیابی عملکرد رگرسیون چندمتغیره، شبکه عصبی مصنوعی و برنامه‌ریزی بیان ژن در تخمین برخی خصوصیات خاک
چکیده سابقه و هدف: با ظهور سیستم‌های کامپیوتری در کنار سامانه اطلاعات جغرافیایی و دسترسی به داده‌های رقومی مکانی، روش‌های مختلف داده‌کاوی، مدل‌سازی و تخمین خصوصیات خاک، جایگاه خود را در علوم خاک و پدومتری باز کرده است. داده‌کاوی خصوصیات خاک با استفاده از روش‌های آماری کامپیوتر- محور به کشف الگوهای پنهان در بانک اطلاعاتی داده‌ها می‌پردازد که در نهایت منجر به برازش مدل به منظور استفاده و تخمین خ...
متن کاملپیشبینی اسلامپ بتن با استفاده از مدل شبکه عصبی مصنوعی و روش رگرسیون چندمتغیره خطی
روش‌های مختلفی جهت اندازه‌گیری کارایی بتن وجود دارد که یکی از متداول‌ترین و معمول‌ترین روش‌ها، آزمایش اسلامپ است. جهت دست‌یابی به مخلوط‌های بتنی با اسلامپ مورد نظر، باید مخلوط‌های مختلف بتنی ساخته شود و آزمایش اسلامپ بر روی آن‌ها صورت گیرد. جهت صرفه‌جویی در زمان، هزینه و مصالح بهتر است از روش‌های هوشمندی جهت پیش‌بینی اسلامپ بتن بر اساس نتایج مربوط به تعداد معینی از مخلوط‌های بتنی استفاده شود. د...
متن کاملمقایسۀ عملکرد مدل های GARCH چندمتغیره در تعیین ریسک پرتفوی
در این پژوهش عملکرد مدلهای GARCH چندمتغیره، برای محاسبة ارزش در معرض ریسک، مقایسه شده است. بدین‌منظور از پرتفویی شامل شاخصهای هفتگی TEDPIX، KLSE و 100 XU برای مدت ده سال استفاده شد. برای تخمین ارزش در معرض ریسک، ابتدا مدلهای CCC، DCC انگل، DCC تز و تسو و DECO-GARCH با استفاده از نرمافزار OxMetrics تخمینزده شدند. سپس با کمینهکردن معیارهای اطلاعاتی و حداکثر راست‌نمایی، مقدار وقفههای به...
متن کاملواکاوی کارایی روش های مبتنی بر شبکه های عصبی مصنوعی و رگرسیون خطی چندمتغیره در پیش بینی کشند
پیش‌بینی تغییرات کشند، به‌دلیل اهمیتی که در برنامه‌ریزی‌های ناوگان دریایی و نظامی، حمل و نقل و کشتیرانی، طراحی بنادر و سایر مسایل مرتبط با امور دریا دارد؛ از دیرباز مورد توجه بوده است. هدف این مطالعه بررسی عملکرد مدلهای شبکه‌های عصبی پیش‌خور با 3 الگوریتم یادگیری کاهش شیب، شیب مزدوج و لونبرگ-مارکوارد در پیش‌بینی ساعتی تغییرات کشند است. به‌علاوه در تحقیق حاضر، نتایج حاصل از مدل رگرسیون خطی چندم...
متن کاملتخمین سرعت نفوذپذیری پایه با استفاده از مدلهای نروفازی، شبکه عصبی و رگرسیون خطی چندمتغیره
ننفوذ یکی از مهم‌ترین مشخصه‌های فیزیکی خاک است که اندازه‌گیری مستقیم آن دشوار، زمان‌بر و پرهزینه می‌باشد. هدف از این پژوهش تخمین سرعت نفوذپذیری پایه با استفاده مدلهای نروفازی، شبکة مصنوعی و رگرسیون خطی چند متغیره است. بدین منظور، در 100 نقطه در منطقه دهگلان استان کردستان سرعت نفوذپذیری پایه با استفاده از استوانه مضاعف اندازه‌گیری شد. ویژگی‌های فیزیکی خاک (تخلخل، جرم ویژه ظاهری، شن، سیلت و رس) ...
متن کاملارزیابی دقت روش‌های شبکه عصبی مصنوعی و عصبی- فازی در شبیه‌سازی تابش کل خورشیدی
Solar radiation is an important climate parameter which can affect hydrological and meteorological processes. This parameter is a key element in development of solar energy application studies. The purpose of this study is the assessment of artificial intelligence techniques in prediction of solar radiation (Rs) using artificial neural network (ANN) and adaptive neuro-fuzzy inference system (AN...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 51 شماره 2
صفحات 353- 372
تاریخ انتشار 2019-06-22
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023