ПРИМЕНЕНИЕ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ ДЛЯ ВЫЧИСЛЕНИЯ ПОТОКОВ СУММАРНОЙ
СОЛНЕЧНОЙ РАДИАЦИИ 

Николаев Александр Анатольевич, кандидат географических наук, доцент, кафедра метеорологии, климатологии и экологии атмосферы, Казанский (Приволжский) федеральный университет (Россия, г.Казань, ул. Кремлевская, 18), Aleksandr.Nikolaev@kpfu.ru
Исмагилов Наиль Вагизович, кандидат географических наук, доцент, кафедра метеорологии, климатологии и экологии атмосферы, Казанский (Приволжский) федеральный университет (Россия, г.Казань, ул. Кремлевская, 18),  Nail.Ismagilov@kpfu.ru

551.5

DOI

10.21685/2307-9150-2017-3-7

Актуальность и цели. Солнечная радиация является основным фактором для многих физических, химических и биологических процессов на земной поверхности. Однако данные о потоках солнечной радиации не всегда доступны по целому ряду причин: отсутствие метеостанций или проведения актинометрических наблюдений на них. Таким образом, актуальным становится вопрос вычисления потоков солнечной радиации. Основной целью данного исследования является обзор искусственных нейронных сетей (ИНС), с целью выявления подходящих моделей для вычисления солнечного излучения и выявления пробелов в исследованиях.
Материалы и методы. В качестве исходного материала использовались данные метеорологической обсерватории Казанского федерального университета.
Результаты. Исследование литературных источников показывает, что искусственные нейросетевые методы прогнозирования солнечной радиации более точны по сравнению с обычными методами. Разработаны десять моделей с различными входными параметрами. Выявлены наиболее лучшие из них.
Выводы. Результаты свидетельствуют, что использование нейросетевых моделей для вычисления потоков солнечной радиации является перспективным направлением исследований. Полученные модели позволяют рассчитывать характеристики солнечной радиации с использованием метеорологических параметров.

Ключевые слова

нейронные сети, суммарная радиация, прогнозирование

 Скачать статью в формате PDF

1. Хабутдинов, Ю. Г. Учение об атмосфере : учеб. пособие / Ю. Г. Хабутдинов, К. М. Шанталинский, А. А. Николаев. – Казань : Казанский гос. ун-т, 2010. – 245 с.
2. Переведенцев, Ю. П. Климатические ресурсы солнечной радиации и ветра на территории Среднего Поволжья и возможности их использования в энергетике / Ю. П. Переведенцев, А. А. Николаев. – Казань : Отечество, 2002. – 122 с.
3. Николаев, А. А. Косвенные методы расчета характеристик солнечной радиации / А. А. Николаев // Вестник Удмуртского университета. Сер. 6, Биология. Науки о Земле. – 2013. – Вып. 1. – С. 130–135.
4. Нейронные сети. STATISTICA Neural Networks: Методология и технологии современного анализа данных / под ред. В. П. Боровикова. – 2-е изд., перераб. и доп. М. : Горячая линия – Телеком, 2008. – 392 с.
5. Sharifi, S. S. Estimation of daily global solar radiation using wavelet regression, ANN, GEP and empirical models: A comparative study of selected temperature-based approaches / S. S. Sharifi, V. Rezaverdinejad, V. Nourani // Journal of Atmospheric and Solar-Terrestrial Physics. – 2016. – T. 149 – P. 131–145.
6. Besharat, Fariba. Empirical models for estimating global solar radiation: A review and case study / Fariba Besharat, Ali A. Dehghan, Ahmad R. Faghih // Renewable and Sustainable Energy Reviews. – 2013. – Vol. 21. – P. 798–821.
7. Rehman, S. Artificial neural network estimation of global solar radiation using air temperature and relative humidity / S. Rehman, M. Mohandes // Energy Policy. – 2008. – Vol. 63. – P. 571–576.
8. Linares-Rodríguez, A. Generation of synthetic daily global solar radiation data based on ERA-Interim reanalysis and artificial neural networks / A. Linares-Rodríguez, J. Ruiz-Arias, D. Pozo-Vázquez, J. Tovar-Pescador // Energy. – 2011. – Vol. 36. – P. 5356–5365.
9. Koca, A. Estimation of solar radiation using artificial neural networks with different input parameters for Mediterranean region of Anatolia in Turkey / A. Koca, H. F. Oztop, Y. Varol, G. O. Koca // Expert Syst Appl. – 2011. – Vol. 38. – P. 8756–8762.
10. Khatib, T. Solar energy prediction for Malaysia using artificial neural networks / T. Khatib, A. Mohamed, K. Sopian, M. Mahmoud // Int J Photoenergy. – 2012. – P. 1–16. – URL: www.hindawi.com
11. Elminir, H. K. Estimation of solar radiation components incident on Helwan site using neural networks / H. K. Elminir, F. F. Areed, T. S. Elsayed // Sol Energy. – 2005. – Vol. 79. – P. 270–279.
12. Tymvios, F. S. Comparative study of Ångströms and artificial neural networks methodologies in estimating global solar radiation / F. S. Tymvios, C. P. Jacovides, S. C. Michaelides, C. Scouteli // Sol Energy. – 2005. – Vol. 78. – P. 752–762.