TY - JOUR ID - TI - Development and Assessment of Feed Forward Back Propagation Neural Network Models to Predict Sunshine Duration تطوير وتقييم نماذج الشبكات العصبية أمامية التغذية خلفية النقل للتنبؤ بمدة سطوع الشمس AU - Berivan H. Mahdi بيريفان هادي مهدي AU - Jwan A. Mohammed جوان عبد الخالق محمد AU - Amera I. Melhum اميرة اسماعيل ملحم PY - 2022 VL - 20 IS - 3 SP - 64 EP - 75 JO - Iraqi Journal of Physics المجلة العراقية للفيزياء SN - 20704003 26645548 AB - The duration of sunshine is one of the important indicators and one of the variables for measuring the amount of solar radiation collected in a particular area. Duration of solar brightness has been used to study atmospheric energy balance, sustainable development, ecosystem evolution and climate change. Predicting the average values of sunshine duration (SD) for Duhok city, Iraq on a daily basis using the approach of artificial neural network (ANN) is the focus of this paper. Many different ANN models with different input variables were used in the prediction processes. The daily average of the month, average temperature, maximum temperature, minimum temperature, relative humidity, wind direction, cloud level and atmospheric pressure were used as input parameters in order to obtain the daily average of sunshine duration (SD) as the output. The eight-year data were divided into two categories. The first category covers whole years (annually) and the second category is seasonal. To recognize and assess the influence of different input parameters on sunshine duration, six models of ANN have been evolved. The findings showed that in the annual models, the outcomes of RMSE, MAE and R for the model with input parameters (month, cloud level and average temperature) were the best results 1.82, 1.175 and 0.89, respectively. As for the season models, the outcomes of RMSE, MAE and R for the autumn season were the best results 1.450, 1.009 and 0.94, respectively. Accordingly, the performance of the artificial neural network is considerably effective in predicting the sunshine duration.

تعد مدة سطوع الشمس واحدة من المؤشرات الهامة واحد المتغيرات التي تدخل في قياس كمية الإشعاع الشمسي التي يتم جمعها في منطقة معينة . ويتم استخدام مدة السطوع الشمسي لدراسة توازن الطاقة في الغلاف الجوي والاستدامة الاجتماعية وتطور النظام البيئي وتغير المناخ. يقدم هذا البحث نهج الشبكة العصبية الاصطناعية (ANN) للتنبؤ بمتوسط القيم اليومية لفترة سطوع الشمس (SD) لمدينة دهوك ، العراق. تم استخدام العديد من نماذج ANN المختلفة بمتغيرات إدخال مختلفة في عمليات التنبؤ. تم استخدام المتوسط اليومي للشهر ومتوسط درجة الحرارة ودرجة الحرارة القصوى ودرجة الحرارة الدنيا والرطوبة النسبية واتجاه الرياح ومستوى السحب والضغط الجوي كمعلمات إدخال للحصول على المتوسط اليومي لمدة سطوع الشمس (SD)كمخرج. تم تقسيم بيانات ثماني سنوات إلى قسمين. يغطي الجزء الأول سنوات كاملة (سنويًا) والجزء الثاني موسمياً. لتحديد وتقييم تأثيرات معلمات الإدخال المختلفة على مدة سطوع الشمس، تم تطوير ستة نماذج تستند إلى. ANN أظهرت النتائج أن النماذج السنوية ونتائج RMSE و MAE و R للنموذج مع معاملات الإدخال (الشهر ومستوى السحب ومتوسط درجة الحرارة) كانت أفضل النتائج 1.82 و 1.175 و 0.89 على التوالي. بالنسبة لنماذج الموسم، كانت نتائج RMSE و MAE و R لموسم الخريف أفضل نتيجة 1.450 و 1.009 و 0.94 على التوالي. وفقًا لذلك ، فإن أداء الشبكة العصبية الاصطناعية فعال بشكل كبير في التنبؤ بمدة سطوع الشمس. ER -