Estimation of cooling degree days (CDDs) from AVHRR data and an MLF neural network

Abstract

Cooling degree day (CDD) is the most common and simplest measure used in the ventilating and air-conditioning industry to estimate cooling energy requirements. In this study, multilayer feed-forward (MLF) neural networks with one hidden layer were used to estimate CDDs in Khuzestan Province (in southwest Iran) using Advanced Very High Resolution Radiometer (AVHRR) images. The input variables for the networks were the four bands of the AVHRR image (B1, B2, B4, and B5), altitude, and Julian day. The study examined various combinations of these parameters as inputs to the artificial neural network (ANN) models to evaluate the degree of effectiveness of each of these variables on CDD. Bands 4 and 5, which are used for retrieval of surface temperature, were the most critical components for the estimation. The contribution of Julian day to the precision of estimated CDD was much more superior to that of altitude. The network using four bands, Julian day, and altitude provided the best results, with 12 nodes in the hidden layer. The results of this study showed that daily CDD values can be estimated with acceptable levels of the statistical indicators from AVHRR data and from the two geographic parameters using the ANN model.

Le refroidissement de degré-jour (CDD) est la mesure la plus commune et la plus simple utilisée dans le fait d’Aérer et le fait d’installer la climatisation l’industrie pour estimer des exigences d’énergie se refroidissant. Dans cette étude, la multicouche les réseaux neuronaux (MLF) avancés de nourriture avec une couche cachée ont été utilisés pour estimer CDD dans la province Khuzestan (au Sud-Ouest de l’Iran) l’utilisation Avancé Très la Haute définition Radiometer (AVHRR) les images. Les variables de contribution pour les réseaux étaient les quatre bandes de l’image d’AVHRR (B1, B2, B4 et B5), l’altitude et le jour de Julian. L’étude a examiné des combinaisons différentes de ces paramètres comme les contributions aux modèles d’ANN pour évaluer le degré d’efficacité de chacune de ces variables sur CDD. Les bandes 4 et 5, qui sont utilisés pour le recouvrement de température de surface, étaient les composantes les plus critiques pour l’estimation. La contribution de jour de Julian à la précision de CDD estimé était beaucoup supérieure à cette d’altitude. Le réseau en utilisant quatre bandes, jour de Julian et altitude a fourni les meilleurs résultats, avec 12 noeuds dans la couche cachée. Les résultats de cette étude ont montré que tous les jours CDD peut être estimé avec les niveaux acceptables des indicateurs statistiques des données AVHRR et des deux paramètres géographiques en utilisant le modèle d’ANN.