دانلود مقاله ISI انگلیسی شماره 46636
عنوان فارسی مقاله

پیش بینی تابش خورشیدی جهانی در یک سطح افقی مبتنی بر رگرسیون بردار پشتیبان

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
46636 2015 9 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Support vector regression based prediction of global solar radiation on a horizontal surface
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Energy Conversion and Management, Volume 91, February 2015, Pages 433–441

کلمات کلیدی
پشتیبانی روش رگرسیون بردار - برآورد تابش خورشیدی؛ ساعت آفتاب؛ حداکثر ساعت آفتاب ممکن ؛ مدل های تجربی
پیش نمایش مقاله
پیش نمایش مقاله پیش بینی تابش خورشیدی جهانی در یک سطح افقی مبتنی بر رگرسیون بردار پشتیبان

چکیده انگلیسی

In this paper, the support vector regression (SVR) methodology was adopted to estimate the horizontal global solar radiation (HGSR) based upon sunshine hours (n) and maximum possible sunshine hours (N) as input parameters. The capability of two SVRs of radial basis function (rbf) and polynomial basis function (poly) was investigated and compared with the conventional sunshine duration-based empirical models. For this purpose, long-term measured data for a city situated in sunny part of Iran was utilized. Exploration was performed on both daily and monthly mean scales to accomplish a more complete analysis. Through a statistical comparative study, using 6 well-known statistical parameters, the results proved the superiority of developed SVR models over the empirical models. Also, SVR-rbf outperformed the SVR-poly in terms of accuracy. For SVR-rbf model on daily estimation, the mean absolute percentage error, mean absolute bias error, root mean square error, relative root mean square error and coefficient of determination were 10.4466%, 1.2524 MJ/m2, 2.0046 MJ/m2, 9.0343% and 0.9133, respectively. Also, on monthly mean estimation the values were 1.4078%, 0.2845 MJ/m2, 0.45044 MJ/m2, 2.2576% and 0.9949, respectively. The achieved results conclusively demonstrated that the SVR-rbf is highly qualified for HGSR estimation using n and N.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.