ارزیابی دقت روش های رایج برآورد پارامترهای اقلیمی (مطالعه موردی: شیراز)

با توجه به این که تهیه و ایجاد وسایل اندازه گیری این پارامتر بسیار پرهزینه است، تاکنون مدل های متعددی جهت برآورد آن در اقلیم های مختلف توسط محققان، پیشنهاد شده است که در میان آنها مدل آنگستروم از بقیه مدل ها رایج تر است. در این راستا، پارامترهای هواشناسی روزانه برای یک دوره 10 ساله (1992 1982) گردآوری وبه عنوان ورودی به مدل شبکه عصبی انتخاب شد. در این پژوهش، از یک مدل شبکه عصبی مصنوعی برای برآورد تابش خورشیدی کل رسیده استفاده شد و یافته های برآمده از آن با یافته های مدل آنگستروم به منزله یکی از فراگیر ترین روش های برآورد تابش خورشیدی مقایسه مورد سنجش قرار گرفت. چهار معیار آماری جذر میانگین مربعات خطا (RMSE)، میانگین خطای اریب (MBE)، معیار t و ضریب تبیین (R2) استفاده شد. نتایج نشان داد که بهترین نتیجه مدل با ساختار، 5 نرون در لایه پنهان، تابع آموزش لونبرگ-مارکوارت و تابع انتقال لوگ سیگموئید و با الگوریتم پس انتشار خطا به عنوان ساختار بهینه با R2 (8/0) و RMSE (09/0) است. مقایسه خروجی های شبکه عصبی با خروجی های مدل آنگستروم و داده های اندازه گیری شده، نشانگر برتری معنی دار مدل شبکه عصبی نسبت به روش آنگستروم است. برای برآورد تابش کل خورشیدی، روش ANN پیشنهادی می تواند جایگزین خوبی برای روش هایی مانند مدل آنگستروم باشد.