fa ارزیابی روش‌های فازی، عصبی و فازی- عصبی در تخمین تابش خورشیدی کشور سامانه های اطلاعات مکانی GIS پژوهشي Research تابش خورشیدی در تعیین محل بهینه‌ی نیروگاه‌های خورشیدی و در مطالعات زمین‌شناسی و اکولوژیکی عاملی تأثیرگذار بوده و پارامتر اصلی بسیاری از مدل‌های هواشناسی و هیدرولوژیکی می‌باشد. در ایران 63 ایستگاه تابش‌سنجی موجود است که در قیاس با گستره‌ی کشور تراکم پایینی برای شبکه پایش تابش خورشیدی محسوب می‌شود. در تحقیق حاضر به منظور افزایش تراکم شبکه تابش‌سنجی و در نتیجه پهنه‌بندی دقیق تابش خورشیدی، از اطلاعات هواشناسی موجود در ایستگاه‌های سینوپتیک استفاده شد. با توجه به همبستگی بالای موجود بین مشاهدات تابش خورشیدی و اطلاعات هواشناسی (ساعات آفتابی، دمای بیشینه و همبستگی معکوس بالا با متوسط فشار از سطح آب‌های آزاد)، از این اطلاعات جهت محاسبه‌ی تابش خورشیدی در ایستگاه‌های سینوپتیک استفاده شد. در این تحقیق از روش‌های عمده محاسبات نرم همچون سیستم‌های استنتاج فازی (FIS) با خوشه‌بندی فازی، شبکه‌ی عصبی مصنوعی (ANN) و سیستم‌های استنتاج تطبیقی عصبی-فازی (ANFIS) بهره گرفته شد. نتایج حاصل از روش‌های مذکور توسط معیارهای دقت RMSE، MAE و MBE مقایسه شدند. نتایج نشان دادند که روش فازی سوگنو با خوشه‌بندی فازی RMSEای برابر با 07/28 وات بر مترمربع دارد که 18% درصد بهتر از روش شبکه عصبی؛ 39% بهتر از سیستم استنتاج عصبی-فازی با تقسیم‌بندی گریدی و 42% درصد بهتر از خوشه‌بندی کاهشی است. نتایج حاصل از MAE و MBE نیز حاکی از قابلیت بالای روش‌ فازی سوگنو بود. این روش برای مدل‌سازی سیستم‌های پیچیده و غیرخطی انعطاف‌پذیرتر بوده و در پیش‌بینی مکانی تابش‌خورشیدی راحت‌تر و سریع‌تر (هم از نظر اجرای کاربر و هم به لحاظ نرم‌افزاری) قابل‌اجرا می‌باشد. تابش خورشیدی برآورد شده برای 333 ایستگاه سینوپتیک کشوری با روش کریجینگ عادی پهنه‌بندی شد. اطلس تابش خورشیدی حاصل از این تحقیق برای شناسایی نواحی پرتابش ایران به منظور کاربردهای مهندسی و برنامه‌ریزی انرژی مناسب می‌باشد. اطلس تابشی حاصل نشان داد که 32 درصد از مناطق کشور دارای تابش خورشیدی بالای w/m2 500 (مقدار تابش معیار برای نیروگاه‌های خورشیدی) هستند. Solar radiation is one of the most salient factors in determining the optimal locations of solar farms. It is the main input of geological, ecological, meteorological and hydrological models. In Iran, there are 63 stations which measures solar radiation compared to the extent of the country, solar radiation monitoring network has very low densities. In the present study, in order to increase the network congestion and continuous mapping of solar radiation, synoptic meteorological stations’ data were used. Considering the high correlation between solar radiation and meteorological data (sunshine duration, maximum temperature and negatively high correlated sea pressure), such data was used to calculate solar radiation in synoptic stations by using Fuzzy Inference System (FIS), Artificial Neural Network (ANN) and Adaptive Neuro Fuzzy Inference Systems (ANFIS). The evaluation of the results was performed by RMSE, MAE and MBE to rank the methods. Our results revealed that Sugeno method accompanied by Fuzzy C-mean clustering has RMSE=28.07 w/m2 that lays the least errors amongst the others. With respect to ANN, Cub-clustering and Grid partition ANFIS, Sugeno method showed 18, 39% and 42% improvement. MAE and MBE also implied the ability of the Sugeno fuzzy method. Such a method is more flexible for modeling complex and nonlinear systems. The implementation of the methods in prediction of solar radiation revealed that Sugeno is easier and faster to executable. Estimated Solar radiation for 333 synoptic stations was interpolated by Ordinary Kriging to generate a continuous surface for the country. The generated solar radiation atlas is suitable to identify solar throw areas of our country as well as for engineering applications and energy planning. Radiation atlas showed that 32 percent of the country has solar radiation above 500w/m2 that is the amount of radiation required for solar farms. تابش خورشیدی, پیش‌بینی مکانی, شبکه عصبی مصنوعی, سیستم استنتاج فازی, سیستم استنتاج تطبیقی عصبی- فازی Solar Radiation, Spatial Prediction, Artificial Neural Networks, Fuzzy Inference Systems, Adaptive Neuro adaptive Fuzzy inference system 187 200 http://jgst.issgeac.ir/browse.php?a_code=A-10-154-1&slc_lang=fa&sid=1 N. Hooshangi نوید هوشنگی navid.hooshangi@yahoo.com 10031947532846001631 10031947532846001631 Yes گروه سیستم‌های اطلاعات مکانی - دانشکده مهندسی نقشه‌برداری - دانشگاه صنعتی خواجه نصیرالدین طوسی A. A. Alesheikh علی اصغر آل شیخ aleshikh@kntu.ac.ir 10031947532846001632 10031947532846001632 No گروه سیستم‌های اطلاعات مکانی - دانشکده مهندسی نقشه‌برداری - دانشگاه صنعتی خواجه نصیرالدین طوسی