نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشجوی دکتری، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
2 دانشیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
3 استاد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
چکیده
انرژی خورشیدی مهمترین منبع انرژیهای تجدیدپذیر و به عبارتی منبع اصلی انرژیهای موجود در زمین است. لذا برآورد پارامتر تابش خورشیدی با دقت بالا اهمیت بسیاری دارد. در این راستا، در پژوهش حاضر از دادههای هواشناسی 3 ایستگاه هواشناسی استان اردبیل شامل مشگین شهر، گرمی و نیر در بازه زمانی 2 ساله (2018 -2017) در مقیاس روزانه استفاده شد. سپس با بهکارگیری روشهای جنگل تصادفی و جنگل تصادفی-الگوریتم ژنتیک شدت تابش خورشیدی روزانه در هر یک از ایستگاههای مذکور برآورد گردید. متغیرهای هواشناسی مورد استفاده شامل حداقل، حداکثر و میانگین دما، رطوبت نسبی و سرعت باد بوده که در هشت ترکیب متفاوت بهعنوان دادههای ورودی در محاسبات مدلها در نظر گرفته شد. نتایج بهدستآمده با استفاده از پارامترهای آماری با یکدیگر مقایسه شده و مدلهای برتر انتخاب شد. با مقایسه کلی نتایج، مدلهای ایستگاههای نیر، مشگین شهر و گرمی به ترتیب از بیشترین به کمترین دقت مدلسازی رتبهبندی شدند؛ بهطوریکه مدل GA-RF-V در ایستگاه نیر با دارا بودن جذر میانگین مربعات خطای MJ/m2 d 346/0 و راندمان کلینگ-گاپتا 687/0 با کمترین خطا بهعنوان برترین مدل در این مطالعه معرفی شد. همچنین نتایج بهدستآمده نشان داد که الگوریتم ژنتیک به افزایش دقت همه مدلهای مورد استفاده کمک شایانی کرده است.
کلیدواژهها
موضوعات
عنوان مقاله [English]
Evaluation of Random Forest-Genetic Algorithm Hybrid Model in Estimating Daily Solar Radiation
نویسندگان [English]
- Sajjad Hashemi 1
- Saeed Samadianfard 2
- Ali Ashraf Sadraddini 3
1 PhD Scholar, Department of Water Engineering, Faculty of Agriculture, Tabriz University, Tabriz, Iran
2 Assoc. Professor, Department of Water Engineering, Faculty of Agriculture, Tabriz University, Tabriz, Iran
3 Professor, Department of Water Engineering, Faculty of Agriculture, Tabriz University, Tabriz, Iran
چکیده [English]
Solar energy is the most important source of renewable energy, in other words, the main source of energy on Earth. Therefore, estimating the solar radiation parameter with high accuracy is very important. In this regard, in the present study, meteorological data of 3 meteorological stations of Ardabil province, including Meshginshahr, Germi, and Nir for a period of 2 years (2017-2018) on a daily scale were used. Then, the intensity of daily solar radiation in each of the mentioned stations was estimated using random forest and random forest methods-genetic algorithm. The meteorological variables used included minimum, maximum and average temperature, relative humidity, and wind speed, which in eight different combinations were considered as input data in the model calculations. The obtained results were compared with each other using statistical parameters and the best models were selected. By comparing the results, the models of Nir, Meshginshahr, and Germi stations were ranked from highest to lowest modeling accuracy, respectively; So that the GA-RF-V model in Nir station with the root mean square error of 0.346 MJ/m2d and Kling-Gupta efficiency of 0.687 with the least error was introduced as the best model in this study. Also, the results showed that the genetic algorithm has helped to increase the accuracy of all utilized models.
کلیدواژهها [English]
- Ardabil
- Intelligent Models
- Optimization
- Solar Energy