基于广义回归神经网络的日总辐射曝辐量预估

• 作者: 宫响 庄述鹏 张淑华 林婵
• 来源期刊: 太阳能学报
• 学科: 工学
• 关键词: 人工神经网络 LM-BP网络 太阳辐射 预估
• 年，卷（期）: 2019,（1）
• 页码范围: 11-16
• 页数: 6页
• 分类号: TK51
• 语种: 中文

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:GRNN网络的平均百分比误差为15.9％,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网络预估结果的准确度及拟合优度影响不大.对于无太阳辐射观测的地区,GRNN网络模型是预估当地日总辐射曝辐量的一种有效方法.