【摘要】：氣象、農(nóng)業(yè)、太陽能等領域都需要高精度、有針對性的太陽輻射觀測數(shù)據(jù)。然而國內(nèi)太陽輻射觀測站點數(shù)量少、分布不均,無法滿足以大量太陽輻射數(shù)據(jù)為基礎的定量化分析與研究應用�；诠怆娫淼娜照沼嫾磳⒃谌珖茝V應用,以光照度觀測數(shù)據(jù)為主反演太陽輻射數(shù)據(jù)可以有效彌補太陽輻射觀測站數(shù)量的不足。但受天氣突變、環(huán)境狀況等隨機條件的制約,太陽輻射的反演是多因素綜合作用的結(jié)果。本文以晴空指數(shù)為依據(jù),采用PNN分類法劃分為A、B和C三大廣義天氣類型,在各自天氣類型下采用BP、GA-BP、MEA-BP以及ELM算法對太陽直接輻射進行反演,將其結(jié)果進行對比分析。結(jié)果表明,MEA-BP算法適合A類廣義天氣類型子模型的太陽直接輻射反演,而ELM算法則可用于B類和C類廣義天氣狀態(tài)下。本文在天氣類型對太陽輻射影響分析中,通過對輻射數(shù)據(jù)的統(tǒng)計對比,確定以晴空指數(shù)為依據(jù),通過PNN法對天氣類型的劃分,其分類準確度達到99.4192%;對于太陽輻射多因素的影響,采用PCA法對多變量降維,將光照度、太陽高度角、溫度和濕度共4個影響因子作為模型輸入變量。在三個子模型的構(gòu)建中,針對傳統(tǒng)的BP神經(jīng)網(wǎng)絡模型,分別引入遺傳算法和思維進化算法對其優(yōu)化處理,結(jié)果表明:3個子模型的MEA-BP模型的決定系數(shù)最高達到0.9944,相比于GA-BP模型的誤差,A類和B類子模型的RMSE分別降低了12.5%、37.76%,MABE分別減少了50.47%、55.79%,而C類子模型的GA-BP誤差雖然略小于MEA-BP,但耗時較長,不具普適性。因此將MEA-BP法用于太陽直接輻射反演能有效提高泛化能力。而后引入ELM算法對太陽直接輻射進行反演,并與MEA-BP進行對比分析,結(jié)果表明:A類子模型采用MEA-BP法,B類和C類子模型采用ELM法時RMSE均在20W/m~2以內(nèi),且MSPE也得到有效降低,故而MEA-BP算法更適合于A類廣義天氣類型下的太陽直接輻射反演,而ELM算法則在用于B類和C類天氣狀態(tài)時會得到更好的效果。
【圖文】：

陽輻射變化對地球的氣候變化、人類生活、農(nóng)業(yè)生產(chǎn)等都會產(chǎn)生潛移默化的重要影響，比如：太陽輻射影響氣候變化，如今的“全球變暖”、“極端氣候”等問題已成為全球共同關(guān)注焦點；與此同時，太陽輻射亦給人類帶來源源不斷的、綠色的可再生新能源，有效解決了“能源危機”。無論是作為氣候變化的重要信號因子，或是可再生能源，開展太陽輻射的觀測與評估都具有重要意義。氣象、農(nóng)業(yè)、太陽能等領域都需要高精度、有針對性的太陽輻射觀測數(shù)據(jù)，據(jù)統(tǒng)計，目前我國國內(nèi)有 2423 個氣象業(yè)務臺站和 2 萬多個區(qū)域氣象站，而太陽輻射觀測站卻只有 100 個，如圖 1-1 所示。國內(nèi)氣象業(yè)務站與輻射觀測站的比例約為24:1，全球該比例則達到 500:1。相對于溫度、濕度、降水等的觀測而言，現(xiàn)有的太陽輻射資料匱乏，無法滿足以大量太陽輻射數(shù)據(jù)為基礎的定量化分析與研究應用。而造成這種現(xiàn)象的原因在于：一、太陽輻射監(jiān)測站少、空間分布不均；二、太陽輻射觀測設備價格昂貴，校準維護耗時耗力；三、我國觀測方法有所欠缺。由于以上條件的限制，導致太陽輻射數(shù)據(jù)的缺乏，因此，如何利用易獲得的、可靠的常規(guī)氣象要素觀測數(shù)據(jù)來推算太陽輻射，對氣候研究、太陽能利用等都具有重要的理論和實踐意義，在國內(nèi)外也備受重視。

在大氣探測中，太陽輻射（W/m2）是指單位面積所獲得的太陽輻射能，受到包括天氣狀況、海拔高度、地理位置、太陽位置、白晝時間長短等的影響。基于所需的理論基礎，本章著重討論了太陽光譜、太陽輻射的分輻射的計算這三方面的內(nèi)容。1 太陽光譜太陽輻射（也稱為日射）是太陽以電磁波形式發(fā)散出，具有波粒二象性磁波輻射[34]。太陽輻射本身包含了不同波長的光譜，，光譜所具有的特性同。根據(jù) WMO 公布的大氣外太陽光譜輻照度資料，太陽輻射的波長范從 250nm 的紫外輻射到 2.5μm 的紅外輻射(WMO CIMO，1981)。具體來波長由短到長可分為小于 0.4μm、0.4～0.75μm 之間以及大于 0.75μm 的，分別代表紫外、可見光以及紅外波段[35]，如圖 2-1 所示。由于大氣層散射作用，不同波段的太陽輻射光穿過大氣時會發(fā)生不同程度的衰減，9能量集中分布在可見光區(qū)和紅外區(qū)(0.15～4μm)，比例分別為 43%、48.3%地面輻射主要波段在 3～20μm，故而短波輻射即大氣探測上的太陽輻射
【學位授予單位】：成都信息工程大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：P422.1;P412

【參考文獻】

相關(guān)期刊論文 前10條

1 葉林;陳政;趙永寧;朱倩雯;;基于遺傳算法—模糊徑向基神經(jīng)網(wǎng)絡的光伏發(fā)電功率預測模型[J];電力系統(tǒng)自動化;2015年16期

2 李凈;王衛(wèi)東;張福存;;利用LM-BP神經(jīng)網(wǎng)絡估算西北地區(qū)太陽輻射[J];干旱區(qū)地理;2015年03期

3 賀文;齊爽;李國慶;陳厚合;;基于小波神經(jīng)網(wǎng)絡的太陽輻照強度預測[J];可再生能源;2015年03期

4 石京川;劉鈞;王建佳;;一種新型日照傳感器的數(shù)據(jù)分析[J];氣象水文海洋儀器;2015年01期

5 王志斌;孔亞楠;劉永成;張騫;;遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡的大功率LED結(jié)溫預測[J];光電子.激光;2014年07期

6 申彥波;張順謙;郭鵬;王香云;;四川省太陽能資源氣候?qū)W計算[J];應用氣象學報;2014年04期

7 王飛;米增強;甄釗;楊光;周海明;;基于天氣狀態(tài)模式識別的光伏電站發(fā)電功率分類預測方法[J];中國電機工程學報;2013年34期

8 李崢嶸;姚萬祥;趙群;李翠;艾正濤;;水平面日太陽散射輻射模型對比研究[J];太陽能學報;2013年05期

9 姚萬祥;李崢嶸;李翠;艾正濤;;各種天氣狀況下太陽輻射照度與太陽光照度關(guān)系[J];同濟大學學報(自然科學版);2013年05期

10 向南彬;;太陽總輻照的演化特征分析[J];天文學報;2013年03期

本文編號：2612566