กรุณาใช้ตัวระบุนี้เพื่ออ้างอิงหรือเชื่อมต่อรายการนี้: https://buuir.buu.ac.th/xmlui/handle/1234567890/1968
ระเบียนเมทาดาทาแบบเต็ม
ฟิลด์ DC ค่าภาษา
dc.contributor.authorกิดาการ สายธนู
dc.contributor.otherมหาวิทยาลัยบูรพา. คณะวิทยาศาสตร์
dc.date.accessioned2019-03-25T09:10:01Z
dc.date.available2019-03-25T09:10:01Z
dc.date.issued2559
dc.identifier.urihttp://dspace.lib.buu.ac.th/xmlui/handle/1234567890/1968
dc.description.abstractการวัดตัวแปรที่มีประโยชน์หลาย ๆ ตัว ได้แก่ อุณหภูมิสูงสุด อุณหภูมิต่่าสุด ความยาวนานของแสงแดด ความกดอากาศที่ระดับน้ำทะเล ความชื้นสัมพัทธ์ ความดันไอ และรังสีแสงอาทิตย์ที่จังหวัดชลบุรี ประเทศไทย ในช่วงปี พ.ศ. 2548 ถึงปี พ.ศ. 2552 ถูกน่ามาใช้เพื่อประเมินค่าและสร้างตัวแบบข่ายงานระบบประสาทเพื่อทำนายค่ารังสีแสงอาทิตย์เฉลี่ยรายวัน ผลการศึกษารูปแบบรังสีแสงอาทิตย์ของจังหวัดชลบุรีแสดงให้เห็นว่ารังสีแสงอาทิตย์และรังสีแสงอาทิตย์เฉลี่ยมีค่าสูงที่สุดในฤดูร้อน (ตั้งแต่กลางเดือนกุมภาพันธ์ถึงกลางเดือนพฤษภาคม) รองลงมาเป็นฤดูฝน (ตั้งแต่กลางเดือนพฤษภาคมถึงกลางเดือนตุลาคม) และฤดูหนาว (ตั้งแต่กลางเดือนตุลาคมถึงกลางเดือนกุมภาพันธ์) เมื่อท่าการรวมกลุ่มของวันที่มีค่ารังสีแสงอาทิตย์มากพอที่จะน่าไปใช้ในการพัฒนาศักยภาพของพลังงานแสงอาทิตย์ด้วยการวิเคราะห์การแบ่งกลุ่มแล้ว จะสามารถจัดกลุ่มวันเหล่านี้ได้เป็น 3 กลุ่ม คือ กลุ่มที่ 1 (Cluster 1) เป็นวันที่มีความยาวนานของแสงแดดสั้น (ประมาณ 6 ชั่วโมง) มีอุณหภูมิสูงสุดมากกว่า 35 องศาเซลเซียส มีความกดอากาศที่ระดับน้ำทะเลประมาณ 1006 พาสคาล และมีความชื้นสัมพัทธ์ต่่ากว่า 70 เปอร์เซนต์ กลุ่มที่ 2 (Cluster 2) เป็นกลุ่มวันที่มีความยาวนานของแสงแดดแปรผันมาก (ระหว่าง 7–11 ชั่วโมง) จึงมีอุณหภูมิสูงสุดอยู่ระหว่าง 34–37 องศาเซลเซียส มีความกดอากาศที่ระดับน้ำทะเลประมาณ 1007 พาสคาล และมีความชื้นสัมพัทธ์ประมาณ 70 เปอร์เซนต์ ส่วนกลุ่มที่ 3 (Cluster 3) เป็นวันที่มีความยาวนานของแสงแดดมาก (ประมาณ 10 ชั่วโมง) มีอุณหภูมิสูงสุดประมาณ 33 องศาเซลเซียส มีความกดอากาศที่ระดับน้ำทะเลประมาณ 1008 พาสคาล และมีความชื้นสัมพัทธ์สูงมากกว่า 70 เปอร์เซนต์ ตัวแบบข่ายงานระบบประสาทอย่างง่ายแบบ MLP ที่ประกอบด้วยตัวแปรอินพุท 6 ตัว โหนดของชั้นซ่อนซึ่งมีอยู่เพียงชั้นเดียว จ่านวน 5 โหนด และโหนดของชั้นเอาท์พุท จ่านวน 1 โหนด เป็นตัวแบบข่ายงานระบบประสาทที่มีสมรรถนะดีที่สุดในการท่านายค่ารังสีแสงอาทิตย์เฉลี่ยรายวันในจังหวัดชลบุรี โดยพิจารณาได้จากรากของค่าคลาดเคลื่อนก่าลังสองเฉลี่ยจากข้อมูลสำหรับการตรวจสอบความถูกต้องของตัวแบบมีค่าน้อยที่สุดth_TH
dc.description.sponsorshipโครงการวิจัยประเภทงบประมาณเงินรายได้ จากเงินอุดหนุนรัฐบาล (งบประมาณแผ่นดิน) ประจำปีงบประมาณ พ.ศ. 2559en
dc.language.isothth_TH
dc.publisherคณะวิทยาศาสตร์ มหาวิทยาลัยบูรพาth_TH
dc.subjectการวิเคราะห์การแบ่งกลุ่มth_TH
dc.subjectตัวแบบข่ายงานระบบประสาทth_TH
dc.subjectรังสีแสงอาทิตย์th_TH
dc.subjectสาขาวิทยาศาสตร์กายภาพและคณิตศาสตร์th_TH
dc.titleการประเมินค่าและการทำนายค่ารังสีแสงอาทิตย์เฉลี่ยรายวันในจังหวัด ชลบุรีด้วยตัวแบบข่ายงานระบบประสาทth_TH
dc.title.alternativeAssessment and prediction of daily average solar radiation in Chonburi with neural network modelen
dc.typeResearchth_TH
dc.author.emailksaithan@buu.ac.th
dc.year2559
dc.description.abstractalternativeMeasurements of versatile variables; maximum temperature, minimum temperature, sunshine duration, sea-level pressure, relative humidity, pressure and solar radiation, at Chonburi, Thailand during 2005 to 2009 were used to assess and build the neural network model for predicting the daily average solar radiation. The study results of Chonburi’s solar radiation pattern revealed the solar radiation and average solar radiation were highest in summer (mid February to mid May) successively in rainy season (mid May to mid October) and winter (mid October to mid February). The days of solar radiation potential were formed into 3 groups by cluster analysis. Cluster 1 represented roughly 6 hours for sunshine duration, 35C for maximum temperature, 1006 Pa for sea-level pressure and below 70% for relative humidity. Cluster 2 illustrated sunshine duration fluctuated 7 to 11 hours, maximum temperature ranged from 34 C to 37 C, 1007 Pa for sea-level pressure and approximately 70% for relative humidity. Cluster 3 expressed roughly 10 hours for sunshine duration, maximum temperature proximately 33 C, 1008 Pa for sea-level pressure and above 70% for relative humidity. The simple neural network model, MLP, consisted of 6 input variables, 5 nodes in a hidden layer and 1 output node was the best performance in prediction of daily average solar radiation in Chonburi as considering from the minimum root mean square error of the validation data seten
ปรากฏในกลุ่มข้อมูล:รายงานการวิจัย (Research Reports)

แฟ้มในรายการข้อมูลนี้:
แฟ้ม ขนาดรูปแบบ 
2563_092.pdf1.49 MBAdobe PDFดู/เปิด


รายการทั้งหมดในระบบคิดีได้รับการคุ้มครองลิขสิทธิ์ มีการสงวนสิทธิ์เว้นแต่ที่ระบุไว้เป็นอื่น