TY -的A2 -侯赛因,塔里克·盟——Dhakal Sandeep盟——Gautam优盟-巴特Aayush PY - 2020 DA - 2020/09/16 TI -评价Temperature-Based实证模型和机器学习技术来估计每日全球太阳能辐射Biratnagar机场,尼泊尔SP - 8895311六世- 2020 AB -全球太阳辐射(GSR)是一个关键变量设计光伏电池、太阳能锅炉、太阳能收集器,和其他被动式太阳能的应用程序。在尼泊尔,高初始成本和后续维护成本所需的仪器来测量GSR限制其适用性在全国各地。目前的研究比较了六种不同的temperature-based实证模型,人工神经网络(ANN),和其他五个不同的机器学习(ML)模型估算每日GSR Biratnagar机场利用现成的气象数据。在temperature-based模型,该模型由风扇等人执行比其余的 R 2 0.7498和RMSE 2.016 2 MJm − 2 d − 1 。前馈多层感知器(MLP)是利用模型日常GSR利用外星太阳辐射、日照时间、最大和最小的环境温度、降水、相对湿度作为输入。ANN3执行比其他的ANN模型 R 2 0.8446和RMSE 1.4595 MJm − 2 d − 1 。同样,逐步线性回归比其他毫升模型的执行 R 2 0.8870和RMSE 1.5143 MJm − 2 d − 1 。因此,该模型由风扇等人建议估计每天只GSR的地区环境温度数据是可用的。同样,一个更加健壮的ANN3建议和逐步线性回归模型来估计每日GSR地区日照时间数据,最大和最小的环境温度、降水、相对湿度是可用的。SN - 1687 - 9309 UR - https://doi.org/10.1155/2020/8895311 - 10.1155 / 2020/8895311摩根富林明的进步气象学PB - Hindawi KW - ER