فهرست نشریات علمی دسترسی آزاد ایران

تابش خورشیدی، یکی از متغیرهای مهم در مدل­های بیلان انرژی و شبیه­سازی رشد گیاهان است. در پژوهش حاضر، عملکرد نه الگوریتم یادگیری ماشین نظارت شده شامل الگوریتم­های رگرسیون خطی (LR)، رگرسیون خطی با اصلاح تابع زیان (LASSO)، رگرسیون خالص الاستیک (EN)، k نزدیک‌ترین همسایه (KNN)، درخت تصمیم­گیری (DT)، ماشین بردار پشتیبان (SVR)، جنگل تصادفی (RF)، درختان اضافی (ET) و الگوریتم تقویت ماشین (GBM) برای برآورد تابش خورشیدی در ایستگاه همدید یزد در حد فاصل سال­های 2005 تا 2021 با روش اعتبار سنجی متقابل (kfold) مورد بررسی قرار گرفت. پارامترهای میانگین دما، دمای کمینه، دمای بیشینه، ساعات آفتابی، رطوبت نسبی و تابش خورشیدی به­صورت روزانه از سازمان هواشناسی کشور دریافت و متغیرهای تابش فرازمینی، فاصله نسبی زمین تا خورشید، زاویه میل خورشیدی و حداکثر ساعات آفتابی با روابط موجود محاسبه و برای ورودی مدل­های پیش­بینی انتخاب شدند. معیارهای ارزیابی برای تخمین تابش خورشیدی MSE (متوسط مربعات خطا)، MAPE (متوسط قدرمطلق خطا) و ضریب تعیین (R2) در نظر گرفته شدند. نتایج نشان داد که مدل رگرسیون ماشین بردار پشتیبان (SVR) کمترین خطا را برای تخمین تابش روزانه خورشید دارد؛ به­طوری­که مدل ماشین بردار پشتیبان با میانگین مربعات خطای 85/2 مگا ژول بر مترمربع بر روز، قدر مطلق خطای 803/0 و ضریب تبیین 919/0 در مرحله آزمون و به­ترتیب 54/1 مگا ژول بر مترمربع بر روز، 92/4 و 870/0 در مرحله آموزش مدل­ها نسبت به سایر مدل­ها عملکرد بهتری در تخمین تابش خورشیدی داشته است که نشان­دهنده توانائی این مدل برای کاربردهای خورشیدی و گرمایی توسط مهندسان و سایر محققین است.