fa تخمین تابش کل خورشیدی روزانه با استفاده از شبکه‌های عصبی مصنوعی و مقایسه آن با روش‌های تجربی در سه ایستگاه شیراز، کرج و رامسر عمومی Ggeneral پژوهشي Research تابش خورشیدی رسیده به سطح زمین در برآورد تبخیر- تعرق گیاهان و مطالعات هیدرولوژی عامل بسیار مهمی می‌باشد. به منظور برآورد مقدار تابش کل خورشیدی روزانه بر یک سطح افقی، از شبکه‌های عصبی مصنوعی و هم‌چنین از پنج مدل تجربی شامل مدل‌های فائو (نشریه 56)، هارگریوز-سامانی، محمود-هابرد، باهل و آناندل استفاده شد. داده‌های مورد استفاده از سه ایستگاه هواشناسی کرج، شیراز و رامسر که براساس طبقه‌بندی اقلیمی دومارتن به‌ترتیب دارای اقلیم‌های خشک، نیمه‌خشک و بسیار مرطوب می‌باشند و مقدار تابش کل خورشیدی روزانه در این سه ایستگاه به‌صورت روزانه ثبت می‌شود در دوره آماری 1985 تا 1990 (6 سال) انتخاب شدند. دقت مدل‌های مذکور در هر یک از سه ایستگاه بررسی شدند. از بین تمام مدل‌های استفاده شده برای تخمین تابش کل خورشیدی روزانه، مدل شبکه عصبی مصنوعی با ورودی‌های ساعات آفتابی روزانه و حداکثر ساعات آفتابی روزانه در هر سه ایستگاه کرج، شیراز و رامسر به‌ترتیب با ریشه متوسط مجذور خطا برابر 08/2، 85/1 و 05/2 مگاژول بر مترمربع در روز بهترین مدل‌ها بودند. بعد از آن مدل فائو (نشریه 56) که تابش کل خورشیدی را براساس پارامتر ساعات آفتابی تخمین می‌زند، از بیشترین دقت برآورد برخوردار بود. در مقابل مدل‌های ذکر شده، مدل‌های‏‏ شبکه‌های عصبی مصنوعی با پارامترهای ورودی دمایی (دمای حداقل و حداکثر) و هم‌چنین مدل‌های هارگریوز- سامانی، آناندل و محمود-هابرد که مدل‌های‏‏ دمایی هستند، از دقت کمتری برخوردارند و جهت تخمین تابش کل خورشیدی به‌صورت روزانه مناسب نمی‌باشند Global solar radiation (Rs( on a horizontal surface in the estimation of evapotranspiration of plants and hydrology studies is an important factor. Average daily global solar radiation on a horizontal surface was estimated by artificial neural networks (ANNs) and five empirical models including FAO (No.56), Hargreaves-Samani, Mahmood-Hubard, Bahel and Annandale. The weather data was selected from Karaj, Shiraz, and Ramsar weather stations, which have arid, semi arid and very humid climates (based on De Martonne classification). Daily solar radiation was measured at the three sites selected. The ANN, with actual duration of sunshine and maximum possible duration of sunshine as input parameters, generated daily solar radiation estimates with highest level of accuracy among all models tested. Rs estimates by ANNs with only temperature indices as input and by Hargreaves-Samani, Annandale and Mahmood-Hubard, which are all temperature oriented models, had lower accuracy at all three sites. In contrast, ANNs with actual duration of sunshine and maximum possible sunshine hours as inputs in Karaj, Shiraz and Ramsar station with root mean square error (RMSE) of 2.08, 1.85 and 2.05 Mj m-2 day-1 respectively were the best models. After ANNs, FAO-56 model which is based on sunshine hours produced results closer to the measured values. Rs estimates by ANNs with only temperature indices as input and by Hargreaves-Samani, Annandale and Mahmood-Hubard which are all temperature oriented models, had lower accuracy at all the three sites. These models are not appropriate for estimating daily global solar radiation. تابش کل خورشیدی روزانه، شبکه‌های عصبی مصنوعی، ساعات آفتابی روزانه Daily global solar radiation, Artificial neural networks, Actual duration of sunshine 1 13 http://jstnar.iut.ac.ir/browse.php?a_code=A-10-2662-1&slc_lang=fa&sid=1 K. Bayat کامیار بیات kamyar_bayat@yahoo.com Yes S. M. Mirlatifi سید مجید میرلطیفی No