مجلة مفتوحة الوصول

المجلة الدولية للعلوم والتقنية

International Science and Technology Journal

ISSN: 2519-9854 (Online)

ISSN: 2519-9846 (Print)

DOI: www.doi.org/10.62341/ISTJ

مجلة علمية محكّمة تهتم بنشر البحوث والدراسات في مجال العلوم التطبيقية، تصدر دورياً تحت إشراف نخبة من الأساتذة

ينشرها

تحت إشراف

Prediction of solar radiation potential in Libya using artificial neural networks

الملخص
تستكشف هذه الدراسة استخدام الشبكات العصبية الاصطناعية (ANNs) في التنبؤ بالإشعاع الشمسي اليومي في مدينة ليبية معينة. تم تنفيذ ومقارنة نموذجين مشهورين من الشبكات العصبية الاصطناعية - الشبكات العصبية ذات الانتشار العكسي (BPNNs) وشبكات دالة الأساس الشعاعي (RBFNs) - لتقييم أدائهما في هذا المجال. استخدمت الدراسة مجموعة بيانات تتكون من معايير جغرافية وإرصادية، تم الحصول عليها من قاعدة بيانات الأقمار الصناعية التابعة لوكالة ناسا، تغطي 25 مدينة ليبية على مدى ست سنوات. أظهرت النتائج أن شبكات RBFNs تفوقت على شبكات BPNNs من حيث الدقة، ووقت المعالجة، وتقليل الأخطاء، حيث حقق نموذج RBFN1 نسبة انحدار بلغت 93.15% وأدنى متوسط مربع للخطأ (MSE) قدره 0.0090. كان هذا الأداء متفوقًا على أفضل تكوين لشبكة BPNN، والذي حقق نسبة انحدار بلغت 93% وMSE قدره 0.0124. تسلط الدراسة الضوء على إمكانيات الشبكات العصبية الاصطناعية، وخاصة شبكات RBFNs، في تطوير نماذج دقيقة وموثوقة لتنبؤ الإشعاع الشمسي. تساهم هذه النتائج في التوسع في استخدام تقنيات التعلم الآلي في التنبؤ بالطاقة المتجددة، مما يؤكد على أهمية إجراء المزيد من البحوث لتعزيز أداء النماذج وقدراتها على التعميم. ................ الكلمات المفتاحية: ......الشبكات العصبية الاصطناعية، الإشعاع الشمسي، الانتشار العكسي، شبكة دالة الأساس الشعاعي، ليبيا.
Abstract
This study explores the software of synthetic neural networks (ANNs) for predicting daily solar radiation in a specific Libyan city. Two famous ANN models-Back propagation Neural Networks (BPNNs) and Radial Basis Function Networks (RBFNs) -were implemented and compared to assess their performance in this area. The have a look at utilized a dataset comprising geographical and meteorological parameters, sourced from NASA's geo-satellite tv for pc database, covering 25 Libyan towns over a length of six years. The consequences validated that RBFNs outperformed BPNNs in phrases of accuracy, processing time, and blunders minimization, with RBFN1 achieving a regression ratio of 93.15% and a minimum suggest squared blunders (MSE) of zero.0090. This performance turned into superior to the first-class-appearing BPNN configuration, which attained a regression ratio of 93% and an MSE of 0.0124. The take a look at highlights the potential of ANNs, specially RBFNs, in growing correct and reliable fashions for solar radiation prediction. These findings make contributions to the wider software of gadget studying techniques in renewable energy forecasting, underscoring the significance of similarly studies to decorate version overall performance and generalization talents............. Keywords: ........Artificial neural network, solar radiation, backpropagation, radial basis function, network, Libya.