本文關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)模型在日總輻射曝輻量預(yù)估研究中的應(yīng)用

  更多相關(guān)文章： 廣義回歸神經(jīng)網(wǎng)絡(luò) 小波分析 Elman網(wǎng)絡(luò) 日總輻射曝輻量

【摘要】：人工神經(jīng)網(wǎng)絡(luò)模型技術(shù)綜合了數(shù)理統(tǒng)計(jì)、神經(jīng)計(jì)算、符號(hào)邏輯等人工智能理論技術(shù),是一種非線性動(dòng)力學(xué)系統(tǒng),不需要建立復(fù)雜的數(shù)學(xué)模型且具有非線性映射能力強(qiáng)等優(yōu)點(diǎn)。太陽(yáng)輻射資源作為一種綠色資源,其開發(fā)利用對(duì)經(jīng)濟(jì)社會(huì)的發(fā)展有著重要意義。影響太陽(yáng)輻射的因素有很多,其中經(jīng)緯度和海拔等具有一定的確定性;而日照時(shí)數(shù)、大氣含水量等影響因素則具有一定的隨機(jī)性,導(dǎo)致總輻射序列既有確定性又包含隨機(jī)性,因此,自20世紀(jì)90年代以來(lái),人工神經(jīng)網(wǎng)絡(luò)模型已成為估算、預(yù)測(cè)太陽(yáng)輻射資源的重要方法。然而,選用的神經(jīng)網(wǎng)絡(luò)模型不同及處理模型輸入和輸出數(shù)據(jù)的算法不同,直接關(guān)乎著預(yù)估精確度的高低。本文分別采用廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN,Generalized Regression Neural Network)模型和Elman神經(jīng)網(wǎng)絡(luò)模型對(duì)山東煙臺(tái)福山的日總輻射曝輻量進(jìn)行了預(yù)估,并討論了小波分析對(duì)廣義回歸神經(jīng)網(wǎng)絡(luò)模型預(yù)估結(jié)果的影響,結(jié)果如下:(1)采用廣義回歸神經(jīng)網(wǎng)絡(luò)模型對(duì)山東煙臺(tái)市福山氣象站2000-2003年日總輻射曝輻量進(jìn)行預(yù)估。模型通過交叉驗(yàn)證方法確定其關(guān)鍵參數(shù)(光滑因子),以日照時(shí)數(shù)、平均氣壓、平均氣溫、日最高氣溫、相對(duì)濕度、氣溶膠光學(xué)厚度六個(gè)變量作為輸入量。結(jié)果顯示:廣義回歸神經(jīng)網(wǎng)絡(luò)的平均百分比誤差為15.8%,均方根誤差為2.18 MJ·m-2,擬合優(yōu)度為0.906,且模型的預(yù)估精度和擬合優(yōu)度均明顯優(yōu)于LM-BP網(wǎng)絡(luò)。氣溶膠光學(xué)厚度對(duì)廣義回歸神經(jīng)網(wǎng)絡(luò)預(yù)估結(jié)果的準(zhǔn)確度及擬合優(yōu)度影響不大。對(duì)于無(wú)太陽(yáng)輻射觀測(cè)的地區(qū),廣義回歸神經(jīng)網(wǎng)絡(luò)模型是預(yù)估當(dāng)?shù)厝湛傒椛淦剌椓康囊环N有效方法。(2)采用基于小波分析的日總輻射曝輻量的廣義回歸神經(jīng)網(wǎng)絡(luò)模型,以日照時(shí)數(shù)、平均氣壓、平均氣溫、日最高氣溫、相對(duì)濕度、氣溶膠光學(xué)厚度六個(gè)變量作為輸入量,以太陽(yáng)日曝輻量作為輸出量,對(duì)山東煙臺(tái)市福山氣象站2000-2003年日總輻射曝輻量進(jìn)行預(yù)估。最優(yōu)結(jié)果出現(xiàn)在基于3層小波分解的廣義回歸神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)中,當(dāng)輸入量分量和輸出量分量都選擇低頻分量時(shí),平均百分比誤差為1.72%,均方根誤差為0.38 MJ·m-2,擬合優(yōu)度R2=0.998。基于小波分析的廣義回歸神經(jīng)網(wǎng)絡(luò),整體提高了未使用小波分析的廣義回歸神經(jīng)網(wǎng)絡(luò)的預(yù)估精度和擬合優(yōu)度。(3)采用Elman神經(jīng)網(wǎng)絡(luò)模型,同樣以日照時(shí)數(shù)、平均氣壓、平均氣溫、日最高氣溫、相對(duì)濕度、氣溶膠光學(xué)厚度六個(gè)變量作為輸入向量,以太陽(yáng)日曝輻量為輸出向量,對(duì)山東省煙臺(tái)市福山氣象站2000-2003年日總輻射曝輻量進(jìn)行預(yù)估。結(jié)果顯示:平均百分比誤差為22.3%,均方根誤差為1.82 MJ·m-2,擬合優(yōu)度R2=0.867。Elman網(wǎng)絡(luò)模型與廣義回歸神經(jīng)網(wǎng)絡(luò)相比,優(yōu)點(diǎn)是縮小了網(wǎng)絡(luò)預(yù)估值與真值間的差值,降低了均方根誤差,不足之處是擬合優(yōu)度略低于廣義回歸神經(jīng)網(wǎng)絡(luò),平均百分比誤差高于廣義回歸神經(jīng)網(wǎng)絡(luò),這可能是由Elman網(wǎng)絡(luò)的局部遞歸結(jié)構(gòu)造成的。
【學(xué)位授予單位】：青島科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：P422.1;TP183

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前9條

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

2 朱良山;林嬋;王起峰;;LM_BP神經(jīng)網(wǎng)絡(luò)在總輻射日曝輻量計(jì)算中的應(yīng)用研究[J];太陽(yáng)能學(xué)報(bào);2013年07期

3 伊良忠;章超;裴崢;;廣義回歸神經(jīng)網(wǎng)絡(luò)的改進(jìn)及在交通預(yù)測(cè)中的應(yīng)用[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2013年01期

4 卓瑩;張強(qiáng);龔正虎;;網(wǎng)絡(luò)態(tài)勢(shì)預(yù)測(cè)的廣義回歸神經(jīng)網(wǎng)絡(luò)模型[J];解放軍理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年02期

5 王菲露;宋楊;;基于廣義回歸神經(jīng)網(wǎng)絡(luò)的蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)[J];計(jì)算機(jī)仿真;2012年02期

6 周晉;吳業(yè)正;晏剛;馬貞俊;;利用神經(jīng)網(wǎng)絡(luò)估算太陽(yáng)輻射[J];太陽(yáng)能學(xué)報(bào);2005年04期

7 曹雙華,曹家樅,劉鳳強(qiáng);小波分析在太陽(yáng)輻射神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)中的應(yīng)用研究[J];東華大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年06期

8 馮志鵬,宋希庚,薛冬新,鄭愛萍,孫玉明;基于廣義回歸神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測(cè)研究[J];振動(dòng)、測(cè)試與診斷;2003年02期

9 周建萍,閆澍旺;廣義回歸神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)加筋土支擋結(jié)構(gòu)高度[J];巖土力學(xué);2002年04期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 鄭含博;電力變壓器狀態(tài)評(píng)估及故障診斷方法研究[D];重慶大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 林星春;基于神經(jīng)網(wǎng)絡(luò)的太陽(yáng)輻射復(fù)合預(yù)測(cè)技術(shù)研究[D];東華大學(xué);2007年

，

本文編號(hào)：1300988