一种基于MEA-BP的太阳辐射反演算法
基于光电原理的日照计即将在全国推广应用,以光照度观测数据为主反演太阳辐射数据可以有效弥补太阳辐射观测站数量不足的现状.针对现有的太阳辐射反演方法的不足,提出一种融合主成分分析(PCA)、思维进化算法(MEA)和BP神经网络的复合模型,利用太阳光照度、太阳高度角、温度和湿度观测分钟数据反演太阳辐照度.首先,以晴空指数为依据,基于概率神经网络(PNN)分类法,将天气类型分为晴、云、阴3类,分类准确率达到96.6948%.再利用PCA降维后的4个影响因子,对3类天气分别采用BP、GA-BP和MEA-BP法反演太阳辐照度,与标准辐射表的实测数据对比.结果表明:晴、云、阴的MEA-BP模型的决定系数最高达到0.9958,与单一BP模型相比,RMSE分别降低了49%、32.45%和10.64%;相比于GA-BP模型误差,MAPE最高减少了42.54%.本文所提出的MEA-BP复合模型的泛化能力得到了有效提高.
太阳辐射、晴空指数、PNN、PCA、MEA-BP、误差分析
46
P412.14(大气探测(气象观测))
四川省科技厅科技支撑项目“2015GZ0278”资助
2019-01-23(万方平台首次上网日期,不代表论文的发表时间)
共8页
860-867