太阳逐日曝辐量预测建模方法研究

建立一种太阳逐日辐射能量预测的小波过程神经网络等效模型。将神经网络与傅里叶变换以及小波多尺度分解相结合,构建了太阳逐日曝辐量的短期预测和中长期预测问题的两种实时在线预测模型,以提高预测精度。将太阳逐日辐射能量混沌时间序列进行相空间重构,其维数作为网络输入数据的傅里叶变换长度,以得到的傅里叶变换系数作为神经网络的输入,避免输入随意性导致预测结果不一定是其解空间的表达问题;通过小波多尺度分解使太阳逐日曝辐量在一定尺度上表现出准平稳性,以此确定神经网络隐层节点数,以减小试凑性造成的误差。将日照百分比、云量与太阳逐日曝辐量的时间序列同时作为输入量,对两种模型进行学习训练和预测分析。仿真结果表明,2种预测模型可在不同的时间尺度上有效地预测太阳逐日曝辐量,且能有效地实时在线递推预测太阳逐日辐射能量。