استخدام الطاقة الشمسية في توليد الكهرباء و تسخين المياه بالطاقة الشمسية يصبح أكبر حجما ً مع مرور الزمن و نتيجة لذلك, اصبحت الحاجة ملحة الي تصميم نظام طاقة شمسية جيد. الشرط الأول من تصميم أي نظام للطاقة هو تحديد حجم مصدر الطاقة. في حين أن في حالتنا الإشعاع الشمسي يمثل هذه الكمية من الطاقة, لذلك نحن نحتاج أجهزة القياس لحسابها. و في نفس الوقت وجود عقبات مثل ارتفاع التكلفة وبيانات الطاقة الشمسية المتقطعة تسبب مشاكل تقنية تعمل على الحد من قدرة هذه الأجهزة, لذا مطلوب طريقة جديدة للتعامل مع هذه المشاكل. هذا المشروع قدم نموذج دقيق للتنبؤ بالاشعاع الشمسي بشقيه الكلي (global ) والمشتت (diffuse) ويسمى النموذج (Cascade-Forward Backpropagation neural network(CFNN) أيضا يمكن استخدام هذا النموذج في استعادة البيانات المفقودة. هذا النموذج بني بأستخدام كود (Matlab) خاص, و ببساطة يتكون من ثلاث اجزاء رئيسية: المدخلات, الجزء الخفي, و المخرجات. و تشمل المدخلات البيانات مثل درجة الحرارة, معدل سطوع الشمس,الرطوبة, وغيرها لكل ساعة للموقع المستهدف. الجزء الخفي هي الجزء الذي يتم فيه معالجة البيانات السابقة, والمخرجات تكون كمية الاشعاع الشمسي بنوعيه كما ذكرنا سابقا. عملية التقييم تتم بأستخدام (MABE, RMSE, MBE statistical errors), وهذه العملية أثبتت دقة عالية لهذا النموذج والقدرة على استخدامه في تصميم أنظمة الطاقة الشمسية.
The use of solar energy in the electricity generation and solar water heating becomes larger and larger with the passage of time as a result the need of a good solar system design is a key issue. The first requirement of any energy system design is the determination of the energy source amount. While in our case the solar radiation data represents this amount we need measuring devices to satisfy this goal. At the same time the obstacles of high cost and the intermittent solar data due to technical problems are limiting the ability of these devices, so new method is required to deal with these problems. This project introduce a high accuracy model called Cascade-Forward Backpropagation neural network(CFNN) that can predicts both the global and diffuse solar radiation also it can be used to make a restoration process for missed solar data. This model which built with special Matlab codes simply consists of three main parts: inputs, hidden layers and the output. Inputs include the hourly data of temperature, sunshine ratio and the humidity for the targeted location. Hidden layers are the processors of the previous inputs, while the output is the hourly diffuse and global solar radiation data. The evaluation process includes using MABE, RMSE, MBE statistical errors and this process proved the high accuracy of this model and the ability to use it in the solar systems design.