一種基于MEA-BP的太陽輻射反演算法
摘要：基于光電原理的日照計即將在全國推廣應用,以光照度觀測數據為主反演太陽輻射數據可以有效彌補太陽輻射觀測站數量不足的現狀。針對現有的太陽輻射反演方法的不足,提出一種融合主成分分析（PCA）、思維進化算法（MEA）和BP神經網絡的復合模型,利用太陽光照度、太陽高度角、溫度和濕度觀測分鐘數據反演太陽輻照度。首先,以晴空指數為依據,基于概率神經網絡（PNN）分類法,將天氣類型分為晴、云、陰3類,分類準確率達到96.6948%。再利用PCA降維后的4個影響因子,對3類天氣分別采用BP、GA-BP和MEA-BP法反演太陽輻照度,與標準輻射表的實測數據對比。結果表明：晴、云、陰的MEA-BP模型的決定系數最高達到0.9958,與單一BP模型相比,RMSE分別降低了49%、32.45%和10.64%;相比于GA-BP模型誤差,MAPE最高減少了42.54%。本文所提出的MEA-BP復合模型的泛化能力得到了有效提高。
注: 保護知識產權,如需閱讀全文請聯系氣象科技雜志社
相關推薦
更多
