New temperature-based predicting model for global solar radiation using support vector regression

Guermoui, Mawloud; Rabehi, Abdelaziz; Gairaa, Kacem; Lalmi, Djemoui; Benkaciali, Saïd

doi:10.1080/01430750.2019.1708792

Cited by 35 publications

(16 citation statements)

References 34 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…For the start and end of the air conditioning period: Note that the results in the two Tables 3 and 4 are comparable with each other and coincide with that of RETS screen, the differences either less or more because of the influence of global warming which has become a reality in Algeria [15][16][17].…”

Section: Calculation Of the Djc And Djfsupporting

confidence: 69%

Estimation of Real Seasons in a Semi-Arid Region, Ghardaia, Case Study

Djeffal¹,

Lalmi²,

Nacer³

et al. 2021

IJSDP

Self Cite

View full text Add to dashboard Cite

For any new applicable and profitable investment in the thermal field of any region, we aim to eliminate or renovate conventional heating and air conditioning systems with new systems, which will work with new energies or renewable. First, you need to know the climate characteristics of these regions. In this study, we determine the diagnosis of the climate of arid and semi-arid regions, taking Ghardaï a as an example. These concerns air conditioning, heating, cold, ventilation, thermal water, for all this, we use the data from the two weather stations located on the Terrace of our research unit applied to renewable energies (URAER), Ghardaï a, for the last five years (2012)(2013)(2014)(2015)(2016), to calculate the day degrees heating and air conditioning (DJC and DJF) and the obtained results have been compared with the RET Screen motor from (1980_2006). Our approach allows us to discover a simple graphic method to characterize the seasons of Ghardaï a; applicable for any region around the world. In addition, it allows the real determination of the hygrothermal comfort of the region as well as the thermal characteristics of the MCPs adaptable to the Saharan climate.

show abstract

Section: Calculation Of the Djc And Djfsupporting

confidence: 69%

Estimation of Real Seasons in a Semi-Arid Region, Ghardaia, Case Study

Djeffal¹,

Lalmi²,

Nacer³

et al. 2021

IJSDP

Self Cite

View full text Add to dashboard Cite

show abstract

“…For this reason, several methods have been presented to estimate R s based on different types of methods such as satellite remote sensing 6 , 7 , machine learning 8 – 10 , numerical, and artificial intelligence 11 , 12 . Guermoui et al 13 used two Support Vector Machine (SVM) models for estimating global solar radiation in Algeria. There are some complexes and difficulties in using these methods for R s estimation such as: requiring many input variables, large datasets, coarse spatial resolution, and the final model may not apply to other areas.…”

Section: Introductionmentioning

confidence: 99%

Calibration and validation of the Angstrom–Prescott model in solar radiation estimation using optimization algorithms

Dehkordi

Bakhtiari

Qaderi

et al. 2022

Sci Rep

View full text Add to dashboard Cite

The Angstrom–Prescott (A–P) model is widely suggested for estimating solar radiation (Rs) in areas without measured or deficiency of data. The aim of this research was calibration and validation of the coefficients of the A–P model at six meteorological stations across arid and semi-arid regions of Iran. This model has improved by adding the air temperature and relative humidity terms. Besides, the coefficients of the A–P model and improved models have calibrated using some optimization algorithms including Harmony Search (HS) and Shuffled Complex Evolution (SCE). Performance indices, i.e., Root Mean Square Error (RMSE), Mean Bias Error, and coefficient of determination (R2) have used to analyze the models ability in estimating Rs. The results indicated that the performance of the A–P model had more precision and less error than improved models in all the stations. In addition, the best results have obtained for the A–P model with the SCE algorithm. The RMSE varies between 0.82 and 2.67 MJ m−2 day−1 for the A–P model with the SCE algorithm in the calibration phase. In the SCE algorithm, the values of RMSE had decreased about 4% and 7% for Mashhad and Kerman stations in the calibration phase compared to the HS algorithm, respectively.

show abstract

“…parametrelerin girdi olarak kullanıldığı regresyon tekniklerinden yararlanılmaktadır. Özellikle, geçmiş yıllarda ölçümü yapılan istasyonlarda bulunan maksimum ve minimum sıcaklık verileri ile güneşlenme şiddeti arasındaki ilişkinin modellenmesi birçok araştırmacı tarafından yapılmıştır [6][7][8].…”

Section: Introductionunclassified

Adıyaman ve Gaziantep İstasyonlarındaki Güneşlenme Şiddetinin Destek Vektör Makineleri ile Tahmini

DİNSEVER

Gümüş

Şimşek

et al. 2021

Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi

View full text Add to dashboard Cite

Güneş enerjisi teknolojilerinin kullanımı, birçok ülkede enerji talebini karşılamak ve sürdürülebilir enerji kaynağı sağlamak amacıyla son yıllarda gelişerek artmaktadır. Bu teknolojilerin verimli kullanılabilmesi için, güneşlenme şiddeti verilerinin doğru bir şekilde belirlenmesi gerekmektedir, böylece yapılacak olan yatırımların verimliliği de önceden belirlenebilecektir. Güneş enerjisi ölçüm cihazlarının yetersizliğinin yanında var olan ekipmanların yenilenme veya onarım maliyetlerinden dolayı, literatürde meteorolojik istasyonlardan elde edilen verilerin girdi parametresi olarak kullanılması ve yapay zekâ yöntemleri ile güneşlenme şiddeti verilerinin hesaplanması yapılmaktadır. Bu çalışmada, Adıyaman ve Gaziantep istasyonlarına ait, sıcaklık, nem, ortalama basınç, rüzgâr, aylık açık gün sayısı ve takvim ayı gibi farklı girdi parametreleri kullanılarak, bu istasyonlara ait aylık ortalama güneşlenme şiddeti tahmin edilmeye çalışılmıştır. Aylık ortalama güneşlenme şiddetinin tahmin edilmesi için, destek vektör makineleri yönteminin üç farklı çekirdek fonksiyonu (Radyal, Lineer ve Polinom) kullanılmıştır. Ele alınan çekirdek fonksiyonlarının güneşlenme şiddetini tahmin etmedeki başarısında, belirlilik katsayısı (R 2 ), Karekök Ortalama Karesel Hata (KOKH), Ortalama Mutlak Yüzde Hata (OMYH), Nash-Sutcliffe verimlilik katsayısı (NSE) ve Yüzde Hata (PBIAS) parametreleri başarı kriteri olarak tercih edilmiştir. Çalışma sonucunda, destek vektör makinelerinin Radyal ve Polinom çekirdek fonksiyonlarının güneşlenme şiddetini belirlemede genel olarak başarılı sonuçlar verdiği görülmüştür. Ayrıca, girdi parametresi olarak ortalama sıcaklık ve ortalama basıncın kullanılmasının tahmin modellerinin performansını arttırdığı belirlenmiştir.

show abstract

New temperature-based predicting model for global solar radiation using support vector regression

Cited by 35 publications

References 34 publications

Estimation of Real Seasons in a Semi-Arid Region, Ghardaia, Case Study

Estimation of Real Seasons in a Semi-Arid Region, Ghardaia, Case Study

Calibration and validation of the Angstrom–Prescott model in solar radiation estimation using optimization algorithms

Adıyaman ve Gaziantep İstasyonlarındaki Güneşlenme Şiddetinin Destek Vektör Makineleri ile Tahmini

Contact Info

Product

Resources

About