基于拟合剔除的优化小波神经网络太阳辐射量预测.docxVIP

PAGE 1 - 基于拟合剔除的优化小波神经网络太阳辐射量预测* 高亮，张新燕，张家军, 童涛 （新疆大学 电气工程学院，乌鲁木齐 830047） 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。 关键词：曲线拟合；拉依达准则；小波神经网络；太阳辐射量 中图分类号：TM615 文献标识码：A 文章编号：1001-1390（2019）11-0000-00 Prediction of solar radiation based on optimized wavelet neural network with fitting and culling Gao Liang1, Zhang Xinyan1 , Zhang Jiajun1, Tong Ta