کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6963960 | 1452297 | 2014 | 10 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Modelling the distribution of solar spectral irradiance using data mining techniques
ترجمه فارسی عنوان
مدل سازی توزیع تابش طیف خورشیدی با استفاده از تکنیک های داده کاوی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ترجمه چکیده
یک روش برای مدل سازی توزیع تابش طیف خورشیدی پیشنهاد شده است. از هر دو روش آماری و داده کاوی استفاده می کند. در نتیجه، می توان توزیع تابش طیفی خورشید را با استفاده از پارامترهای نجومی و پارامترهای هواشناسی، تابش خورشید، دما و رطوبت، شبیه سازی کرد. با این پارامترها، انرژی متوسط فوتون و عامل نرمال سازی که طیف خورشیدی را مشخص می کنند برآورد می شوند. اول، آزمون دو نمونه کولموگروف-اسمیرنوف برای تجزیه و تحلیل و مقایسه تمام طیف های اندازه گیری شده مورد استفاده قرار می گیرد. پس از آن، تمام داده های خوشه ای به کار رفته است. ما دریافتیم که سه خوشه به اندازه کافی برای توصیف تمام طیف های مشاهده شده کافی است. در نهایت، یک شبکه عصبی مصنوعی و یک رگرسیون خطی چند متغیری برای تخمین توزیع طیف خورشیدی مطابق با پارامترهای هواشناسی معینی تخمین زده می شود. نتایج بدست آمده نشان می دهد که بیش از 99.98٪ توابع توزیع احتمالی توزیع طیف اندازه گیری شده همانند نمونه های شبیه سازی شده است.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نرم افزار
چکیده انگلیسی
A procedure for modelling the distribution of solar spectral irradiance is proposed. It uses both statistical and data mining techniques. As a result, it is possible to simulate solar spectral irradiance distribution using some astronomical parameters and the meteorological parameters solar irradiance, temperature and humidity. With these parameters, the average photon energy and the normalization factor, which characterise the solar spectra, are estimated. First, the Kolmogorov-Smirnov two-sample test is used to analyse and compare all measured spectra. The k-means data mining technique is subsequently used to cluster all measurements. We found that three clusters are enough to characterise all observed spectra. Finally, an artificial neural network and a multivariate linear regression are estimated to simulate the solar spectral distribution matching certain meteorological parameters. The results obtained show that over 99.98% of cumulative probability distribution functions of measured spectra are the same as simulated ones.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Environmental Modelling & Software - Volume 53, March 2014, Pages 163-172
Journal: Environmental Modelling & Software - Volume 53, March 2014, Pages 163-172
نویسندگان
Rafael Moreno-Sáez, Llanos Mora-López,