فهرست نشریات علمی دسترسی آزاد ایران

در این تحقیق از مدل‌ شبکه عصبی مصنوعی و رگرسیون بردار پشتیبان به‌منظور تخمین میزان سایه در جمع کننده‌ صفحه تخت خورشیدی با توجه به شرایط جغرافیایی ایران استفاده شد. دو نوع الگوریتم آموزش LM و BR همراه با تابع انتقال تانژانت سیگموئیدی و تعداد متنوعی از نورون­ها در لایه پنهان همراه با مدل اعتبارسنجی تقاطعی به منظور ایجاد مجموعه داده‌های تصادفی مورد استفاده قرار گرفت. نتایج نشان داد که مدل MLP با الگوریتم آموزشی BR و ساختار (1-23-5) می‌تواند داده‌هایی با دقت بالا و شبیه به مقادیر واقعی ایجاد کند. میانگین آماره­های MAPE و R2 برای مدل فوق به ترتیب 10/0±42/0 درصد و 01/0±99/0، برآورد شد و نتایج آماری مقایسه میانگین، واریانس و توزیع آماری در سطح احتمال 95% بین داده‌های واقعی و مقادیر پیش‌بینی شده، معنی‌دار نبودند. نتایج آنالیز حساسیت نشان داد که فاصله صفحه جاذب تا پوشش شیشه‌ای مهم‌ترین فاکتور تاثیرگذار بر ایجاد سایه است.