基于拟合剔除的优化小波神经网络太阳辐射量预测

• 作者: 张家军 张新燕 童涛 高亮
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 曲线拟合 拉依达准则 小波神经网络 太阳辐射量
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 信息与能源
• 页码范围: 89-93
• 页数: 5页
• 分类号: TM615
• 字数: 2935字
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2019.011.015

摘要

准确预测太阳辐射量,对太阳能相关产业具有重要意义,针对太阳辐射的波动性和间歇性,提出一种基于曲线拟合和拉依达准则的数据处理和优化的小波神经网络的太阳辐射量的预测方法.通过历史太阳辐射数据和气象数据对太阳辐射量进行直接预测.对测量值求拟合曲线,利用拉依达准则对数据的拟合值和测量值的偏差做粗大误差的判断,修正后的数据作为小波神经网络的输入,避免输入极端数据造成预测信息畸形的问题.增加测试数据对小波神经网络做隐含层节点数寻优的计算,克服小波神经网络无法确定隐含层节点数的缺点.通过建立不同预测模型进行对比,验证了所提算法和模型的正确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张新燕	新疆大学电气工程学院	161	1140	18.0	26.0
2	童涛	新疆大学电气工程学院	7	5	1.0	2.0
3	张家军	新疆大学电气工程学院	11	6	1.0	2.0
4	高亮	新疆大学电气工程学院	11	7	1.0	2.0