基于广义回归神经网络的日总辐射曝辐量预估

论文摘要

采用广义回归神经网络（generalized regression neural network,GRNN）模型对山东烟台市福山气象站2000～2003年日总辐射曝辐量进行预估。模型通过交叉验证方法确定其关键参数（光滑因子）,以日照时数、平均气压、平均气温、日最高气温、相对湿度、气溶胶光学厚度6个变量作为输入量。结果显示:GRNN15.9%,均方根误差为2.32 MJ/m2,拟合优度为0.892,且模型的预估精度和拟合优度均明显优于LM-BP网络。气溶胶光学厚度对GRNN是预估当地日总辐射曝辐量的一种有效方法。

论文目录

• 0 引言
• 1 数据及方法
•   1.1 研究区域概况
•   1.2 数据处理
•   1.3 研究方法
•     1.3.1 模型介绍
•     1.3.2 光滑因子 （SPREAD） 确定方法
•     1.3.3 模型建立
• 2 结果与分析
• 3 讨论
•   3.1 LM-BP网络预估结果对比
•   3.2 大气污染程度对太阳辐射的影响
• 4 结论

文章来源

类型: 期刊论文

作者: 庄述鹏,宫响,林婵,张淑华

关键词: 人工神经网络,网络,太阳辐射,预估

来源: 太阳能学报 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 环境科学与资源利用,自动化技术

单位: 青岛科技大学数理学院,中国海洋大学环境科学与工程学院,山东电力工程咨询院有限公司

基金: 国家自然科学基金(41406010)

分类号: X51;TP183

页码: 11-16

总页数: 6

文件大小: 1293K

下载量: 161