基于广义回归神经网络的日总辐射曝辐量预估

作者：庄述鹏; 宫响^*; 林婵; 张淑华

来源：太阳能学报, 2019, 40(01): 11-16.

DOI：10.19912/j.0254-0096.2019.01.002

• 人工神经网络
• LM-BP网络
• 太阳辐射
• 预估

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。

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