基于拟合剔除的优化小波神经网络太阳辐射量预测

论文摘要

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。

论文目录

• 0 引言
• 1 影响太阳辐射量的因素
• 2 数据拟合剔除和优化小波神经网络预测模型
•   2.1 基于曲线拟合的数据处理
•     2.1.1 曲线拟合
•     2.1.2 拉依达准则
•   2.2 小波神经网络
•   2.3 小波神经网络预测模型
•     2.3.1 数据处理模型
•     2.3.2 优化小波神经网络模型
• 3 预测实例分析
•   3.1 曲线拟合和拉依达准则数据处理
•   3.2 太阳辐射量预测实例及结果分析
•   3.3 模型对比
• 4 结束语

文章来源

类型: 期刊论文

作者: 高亮,张新燕,张家军,童涛

关键词: 曲线拟合,拉依达准则,小波神经网络,太阳辐射量

来源: 电测与仪表 2019年11期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 新能源,自动化技术

单位: 新疆大学电气工程学院

基金: 国家自然科学基金资助项目(51667018)

分类号: TP183;TK511

DOI: 10.19753/j.issn1001-1390.2019.011.015

页码: 89-93

总页数: 5

文件大小: 1462K

下载量: 263