Forecasters predict wind speeds at selected stations Ardebil monthly based on artificial neural network performance

Ghahramani Shamasbi, Arezoo (2016) Forecasters predict wind speeds at selected stations Ardebil monthly based on artificial neural network performance. Masters thesis, university of Mohaghegh Ardabili.

[img] Text (پیش‌بینی سرعت‌های ماهانه ی بادهای ایستگاه‌های منتخب استان اردبیل برمبنای عملکرد شبکه عصبی مصنوعی)
Arezoo ghahramani shamasbi.pdf

Download (662kB)
Official URL: http://www.uma.ac.ir

Abstract

One of the most important meteorological parameters that predict the speed of the wind speed in studies related to energy management, building, damage caused by strong winds,, crop water requirements, spreading diseases, melting snow and pollution fans fundamental importance is also due to the increasing use of wind energy as a renewable resource and discrete structure and uncertain wind speed forecasting at different time intervals is necessary there are several models to predict the same token it is used. So in this research artificial neural network model (ANN) as efficient and intelligent tool for modeling the nonlinear and complex processes in order to predict the wind speed in four synoptic stations were used Ardebil. For this purpose, the features and functions available in the IDE software SPSS was used MATLAB and then to determine the direction of the wind energy business in the GIS environment to zoning wind speed in the region during the period (2014-1987 both). The 28 year period recorded for training and three years residual 25 years (2014-2012) were used in the test phase network. The network was designed in such a way that with the arrival of five months (average monthly relative humidity, temperature and pressure) wind speed were predicted next month. Then, the indices to evaluate the model using statistical criteria such as the coefficient of determination, root mean square error, mean absolute error, the mean relative percentage error and correlation coefficient was used. The results showed that a three-layer Perceptron model Levenberg-Marquardt algorithm with 8 neurons in the hidden layer and stimulating functions, hyperbolic tangent function in the hidden layer and output layer of linear actuators is the best result.Also compare it with regression models indicated that the model is designed with a maximum error of 2.2% and correlation coefficient equal to 99/0 is very accurate. Which confirmed the ability of artificial neural network model shows that there is goodagreement between observed and predicte agreement between observed and predicted .As well as to extract energy from the wind can be the central hub of the province that has high wind speeds to be used. Therefore, using this model of wind speed conditions can be defined in advance and be interference in environmental management and planning.

Item Type: Thesis (Masters)
Persian Title: پیش‌بینی سرعت‌های ماهانه ی بادهای ایستگاه‌های منتخب استان اردبیل برمبنای عملکرد شبکه عصبی مصنوعی
Persian Abstract: سرعت باد یکی از مهم¬ترین پارامترهای هواشناسی است که پیش¬بینی سرعت آن در مطالعات مربوط به مدیریت انرژی، احداث ساختمآن‌ها، خسارات ناشی از بادهای شدید، نیاز آبی گیاهان، شيوع و گسترش بيماري¬ها، ذوب برف و آلودگي هوادارای اهمیتی بنیادی دارد همچنین با توجه به گسترش روز افزون استفاده از انرژي بادي به‌عنوان منابع تجدید پذیر و ساختار گسسته و نامطمئن سرعت باد، پيش¬بيني آن در فواصل زماني مختلف ضرورت می‌یابد در همین راستا مدل‌های متعددی برای پیش‌بینی آن مورداستفاده قرارگرفته است. لذا در این پژوهش از مدل شبکه‌های عصبی مصنوعی (ANN) به‌عنوان ابزاری کارآمد و هوشمند در مدل سازی فرآیندهای غیرخطی و پیچیده به‌منظور پیش‌بینی سرعت باد در 4 ایستگاه سینوپتیک استان اردبیل استفاده شد. بدين منظور از امکانات و توابع موجود در محيط برنامه نويسي نرم‌افزار MATLAB و SPSS بهره گرفته شد سپس به‌منظور شناخت منطقه جهت کسب انرژی از باد در محیط GIS اقدام به پهنه¬بندی سرعت باد در منطقه مورد مطالعه در طول دوره آماری (2014-1987) گردید. از 28 سال دوره آماری موجود 25 سال آن جهت آموزش و 3 سال باقي¬مانده (2014-2012) در مرحله آزمون شبکه به کار برده شد. شبکه به گونه ای طراحی گردید که با ورود عناصر 5 ماه قبل (میانگین ماهانه رطوبت نسبی، درجه حرارت و فشار) سرعت باد ماه آینده پیش‌بینی گردید. سپس به بررسي شاخص¬هاي ارزيابي مدل با استفاده از معيارهاي آماري از جمله ضريب تعيين، مجذور ميانگين مربعات خطا، ميانگين مطلق خطا، ميانگين درصد نسبي خطا و ضريب همبستگي پرداخته شد. نتایج حاصل نشان داد که یک مدل پرسپترون سه لايه و الگوريتم لونبرگ- مارکوارت و توابع محرک تانژانت هيپربوليک در لايه پنهان و تابع محرک خطي در لايه خروجي داراي بهترين نتيجه مي¬باشد همچنین مقایسه آن با مدل‌های رگرسیونی نشان داد که مدل طراحی شده با حداکثر خطای 2/2 درصد و ضریب همبستگی برابر با 99/0 از دقت بالایی برخوردار است که ضمن تأييد توانايي مدل شبکه عصبي مصنوعي نشان می¬دهد که انطباق خوبي بين مقادير مشاهداتي و پیش‌بینی شده وجود دارد همچنین با پهنه بندي سرعت باد می‌توان از قطب مرکزی استان که سرعت بالای باد را به همراه دارد بهره برداري كرد. از اين¬رو با استفاده از اين مدل مي¬توان وضعيت¬هاي سرعت باد را از قبل تعريف نمود و در مديريت و برنامه¬ريزي¬هاي محيطي دخالت داد.
Supervisor:
SupervisorE-mail
Bromand, SalahiUNSPECIFIED
Advisor:
AdvisorE-mail
Hossein, Seyed AsaadUNSPECIFIED
Subjects: Faculty of Literature & Humanities > Department of Geography
Divisions > Faculty of Literature & Humanities > Department of Geography
Divisions: Subjects > Faculty of Literature & Humanities > Department of Geography
Faculty of Literature & Humanities > Department of Geography
Date Deposited: 13 Oct 2018 14:36
Last Modified: 13 Oct 2018 14:36
URI: http://repository.uma.ac.ir/id/eprint/591

Actions (login required)

View Item View Item