基于拟合剔除的优化小波神经网络太阳辐射量预测

发布时间：2024-03-25 21:19

　　准确预测太阳辐射量,对太阳能相关产业具有重要意义,针对太阳辐射的波动性和间歇性,提出一种基于曲线拟合和拉依达准则的数据处理和优化的小波神经网络的太阳辐射量的预测方法。通过历史太阳辐射数据和气象数据对太阳辐射量进行直接预测。对测量值求拟合曲线,利用拉依达准则对数据的拟合值和测量值的偏差做粗大误差的判断,修正后的数据作为小波神经网络的输入,避免输入极端数据造成预测信息畸形的问题。增加测试数据对小波神经网络做隐含层节点数寻优的计算,克服小波神经网络无法确定隐含层节点数的缺点。通过建立不同预测模型进行对比,验证了所提算法和模型的正确性。

【文章页数】：5 页

【部分图文】：

图1地表平均温度拟合曲线Fig．1Fittingcurveofearthsurfaceaveragetemperature

图2相对湿度拟合曲线Fig．2Fittingcurveofrelativehumidity拉依达准则

y=f(x，c)来反映x与y之间的潜在关系，y=f(x，c)为拟合模型，其中c=(c1，c2，c3．．．)是一些待定参数。对于线性模型通过建立方程组来确定参数，求得拟合曲线。对于非线性模型，要借助求解非线性方程组或用最优化方法求得拟合曲线。如图1所示，对哈密地区全年地表平均温度进....

图3小波神经网络示意图Fig．3Schematicdiagramofwaveletneuralnetwork2．3小波神经网络预测模型

图4数据处理流程图Fig．4Flowchartofdateprocessing2．3．2优化小波神经网络模型

本文编号：3938856