支持向量机方法在太阳辐射计算中的应用

利用郑州1961～2000年的逐月曝辐量和有关气象数据,分析了曝辐量与气象因子的相关关系,应用支持向量机(SVM)方法,确定了影响逐月曝辐量的主要气象因子,建立了月曝辐量的支持向量机计算模型,为太阳能资源的评估方法提供了一种新的技术方法。用1961～2000年的逐月资料对郑州气象站的逐月曝辐量进行训练建模,用2001～2006的资料做评估效果检验,研究结果证明该方法适用于曝辐量的计算和太阳能资源的评估,可应用于同一气候区内无辐射观测的气象台站曝辐量的计算和太阳能资源评估,也可根据月气候预测进行月曝辐量的预估。     

基于SMARTS模式的太阳能资源计算——以四川省为例

利用SMARTS模式计算晴天总辐射,充分考虑海拔高度和大气对太阳辐射的削弱作用,建立基于日照百分率的太阳能资源计算方程。以四川省为例的计算结果表明,该方法不仅物理意义更明确,并且计算误差明显降低;与实测值相比,7个辐射台站年总辐射曝辐量的相对误差低于7%,月总辐射曝辐量中有约67%的相对误差介于[-5%,5%]之间;与初始值采用天文辐射的方法相比,无论是相对误差的量值还是离散程度,均降低一半以上,有效降低了类似峨眉山站的"孤点"的相对误差。     

从宽谱晴空大气透过率提取气溶胶光学信息

大气气溶胶光学厚度是评价大气污染,研究气溶胶辐射效应的一个关键因子。结合五道梁地区MS-120太阳光度表观测及该地区宽谱太阳直接辐射观测资料,利用最小二乘法,拟合了晴空大气透射比与ngstr m浑浊度系数(1000nm波长气溶胶光学厚度)、1000nm波长气溶胶透射比回归方程。利用回归方程,从该地区晴空大气透射比中提取出了ngstr m浑浊度系数,利用ngstr m浑浊度系数与波长指数的关系,计算了五道梁地区波长指数的变化。计算了ngstr m浑浊度系数增大致使到达地表的太阳直接辐射的衰减量。     

内蒙古中部地区总辐射日曝辐量计算方法研究

在分析国内外太阳辐射模拟方法的基础上,细化模型的时间应用尺度,建立用日照时数直接计算总辐射日曝辐量的模拟方法,与现有方法相比优点是计算量少、模拟误差小。对内蒙古中部地区5个代表站点的模拟值与实测值进行统计检验,结果表明:各站Nash-Sutcliffe方程、平均偏差、归一化均方根偏差的平均值在12个月的变化范围分别是0.64~0.86、-0.74~0.08 MJ/(m~2·d)、11.98%~17.84%,多数月份模拟值比实测值偏高,3~11月份比1~2月份、12月份模拟效果好;在作物生长月份(5~9月份),模拟值与实测值之间的相关性极显著,决定系数为0.78~0.95,拟合效果优于联合国粮食及农业组织(FAO)推荐的Angstr?m-Prescott方程系数(a=0.25,b=0.50)。     

基于光伏组件的太阳能资源观测

鉴于太阳能资源的测量和评价是太阳能开发利用的重要基础,按照光伏电池两种主要安装方式(倾斜固定和太阳跟踪),利用单晶、多晶和非晶三种典型的光伏组件设计进行了太阳能光伏资源观测试验,获得了各季节典型晴天条件下各类型光伏组件辐照度的日变化特征和倾斜面光伏组件一年中月均每日可发电量的极大值、极小值及其月份。通过对比各类型光伏组件在太阳跟踪器上和纬度倾斜面上光伏辐照度变化,得出跟踪光伏组件日均光伏曝辐量与倾斜光伏组件日均光伏曝辐量的相比较优势。根据光伏组件的观测结果推算出各类型光伏组件的光伏反演辐照度,与气象辐射观测用总辐射表的总辐射辐照度趋势非常一致,在太阳能光伏主要利用时段相对误差基本在10%以内。     

基于BP神经网络的光伏电站辐照度预测研究

由于现有神经网络辐照度预测模型的输入变量多为辐照度的历史数据问题,为了更准确衡量辐照度的变换关系,引入其他与辐照度相关因子作为模型输入变量,提高模型预测性能;其次,根据同期同日类型的辐照度变化关联性,对辐照度预测模型提出了由辐照度预测值和辐照度均值组成的加权修正方法,辐照度预测值权重为N天实际与理论曝辐量比值的均值,辐照度均值权重为日类型修正系数和当天实际与理论曝辐量比值的乘积;最后归一化权重,构建了基于日类型的神经网络辐照度预测模型。采用本地历史数据进行仿真,结果验证了改进输入模型的合理性和输出模型的有效性。     

广义回归神经网络在土石坝渗流监测中的应用

通过建立土石坝渗流监测数据的广义回归神经网络(GRNN)模型,对花凉亭水库坝基渗流测压管的监测数据进行了拟合与预测,并将其拟合预测结果与反向传播神经网络(BPNN)、多元逐步回归模型的拟合预测结果进行对比分析。结果表明,GRNN模型在数据拟合与预测方面均取得了很好的效果。     

中国帕米尔高原太阳辐射演变规律

该文基于2016年7月—2021年7月中国帕米尔高原陆-气相互作用观测站的观测资料，挑选总辐射、散射辐射、直接辐射等指标，研究该地区太阳总辐射和散射辐射收支的变化规律及其影响因素。结果表明：中国帕米尔高原太阳总辐射、散射辐射、水平直接辐射年曝辐量分别为6474.41、2219.95、3497.35 MJ/m²。其中，总辐射、散射辐射、水平直接辐射年的最高辐照度为1171.18、676.23、1003.52 W/m²，分别在2017年7月23日、5月31日和4月3日出现。总辐射、散射辐射、水平直接辐射平均辐照度的峰值分别为690.85、218.66、417.02 W/m²，均在12:00前后出现。中国帕米尔高原地表反照率均值在0.24～0.49之间，年均值为0.30。降水和沙尘天气对地表辐射收支产生影响，其中降水天气使总辐射平均辐照度日峰值比晴天时减小约18%，散射辐射平均辐照度日峰值增加约1.8倍，扬沙或浮尘天气发生时总辐射辐照度日峰值与晴天相比变化不大，散射辐射平均辐照度日峰值增加约1.8倍。此外，当喀什市周边发生沙尘...     

基于GRNN的冻融期土壤蒸发预测

基于2017～2018年冻融期实测大田土壤蒸发数据和日气象数据,采用主成分分析法与广义回归神经网络(GRNN)相结合的方法对土壤蒸发量进行预测。即先利用主成分分析法提取影响冻融期土壤蒸发的7个主要因子,将其作为GRNN模型的输入变量,土壤蒸发量作为输出变量;再利用10折交叉验证法选取的最佳光滑因子建立GRNN土壤蒸发预测模型。结果表明,GRNN模型预测值与实测值拟合程度较高,R~2为0.982、均方根误差为0.014mm/d、平均相对误差为5.281%、平均绝对误差为0.010mm/d,模型模拟精度较高,可用于冻融期土壤蒸发预测。     

基于神经网络的柴油机润滑油稀释率预测方法研究

为了实现柴油机润滑油稀释程度的准确、快速检测,基于试验建立了润滑油稀释率与理化参数指标的数据集。利用果蝇优化算法（fruit fly optimization algorithm, FOA）搜寻最优解更新广义回归神经网络（generalized regression neural network, GRNN）的光滑因子,提出了一种多理化指标参数融合的润滑油稀释程度预测方法。仿真结果表明：该模型的拟合优度为99.9%,均方根误差为0.106。通过将4种模型进行对比,证明了FOA–GRNN模型在预测精度、收敛速度及稳定性上的优越性。在实际柴油机远后喷试验中,将该预测方法与气相色谱（gas chromatograph, GC）法进行对比,二者的绝对误差在0.5%之内。该预测方法在保证检测精度的同时大大缩短了检测时间,为柴油机实现按质换油提供了理论和技术指导。     

基于AOD估计的晴空太阳辐射强度滚动预测

针对工程实际中大气气溶胶光学厚度(AOD)参数难以实时获取的问题,首先基于地面空气质量监测站点的PM浓度数据以及气温、空气相对湿度等气象数据,采用BP神经网络方法建立AOD估计模型;然后选取AOD与可降水量为主要变化参数,对多波段大气辐射传输计算模型REST2进行简化;最后基于实时发布的PM浓度信息以及精细天气预报信息,利用简化的REST2模型对晴空太阳辐射强度进行滚动预测。实验结果表明,所提出的晴空太阳辐射强度滚动预测方法具有较高精度,且易于工程实现。     

日太阳散射辐射月均值的估算

建筑物空调系统的全年或季节能耗分析和太阳能系统的设计分析,需要已知太阳总辐射和散射辐射数据。我国大多数地区只有总辐射观测,没有直接辐射或散射辐射观测,因此需要有一种散射辐射的估算方法。根据全国8个典型城市的实测数据．分析了日散射辐射和日总辐射与日照时长的关系,分别建立了日散射月均值的多项式拟合模型。经过郑州地区数据的检验认为,模型有很好的拟合性能,该模型可以作为通用模型。     

基于VAR、VEC模型的陆浑灌区降雨量与作物需水量的动态关系研究

为研究陆浑灌区降雨量与作物需水量的动态关系,利用可变模糊集理论,以陆浑灌区1951~2002年天然降雨量和作物需水量时间序列为样本数据,计算出天然降雨量和作物需水量相对隶属度的级别特征值,构建了灌区降雨量和作物需水量的VAR模型和VEC模型。结果表明,VAR模型模拟结果的相对误差为18.35%、拟合优度为0.29,VEC模型模拟结果的相对误差为20.83%、拟合优度为0.28;两种模型均有70%的预测结果误差在20%左右,预测结果均较优,但总体上VAR模型预测结果优于VEC模型。     

敦煌地区大气气溶胶的辐射效应

利用敦煌地区1981～1983年地面实测的太阳直接辐射资料计算了该地区大气气溶胶的透射比及气溶胶对辐射削弱量，通过分析大气气溶胶的透射比与直接辐射、散射副射、S／Q、D／Q的关系以及气溶胶对辐射削弱量与气温、直接辐射、气熔胶透射比的关系，讨论了大气气熔胶的辐射效应，得出了一些初步结论，随着气溶胶透射比的增大直接辐射、Q、S／Q增大，D／Q减少；气溶胶对辐射的削弱增大时，气温减小，垂直于太阳光束面上的直接辐射减小，气溶胶透射比减小；在干旱地区晴空气溶胶对辐射的削弱占主导地位。     

气溶胶光学厚度对辐照度预报的影响

WRF Solar模式可以考虑气溶胶光学厚度对辐照度预报的影响。为验证该模式对辐照度预测的影响,本文以宁夏地区5个气象观测站2017年11月和2018年3月的预测辐照度与实际辐照度的数据为例,对比分析了气溶胶光学厚度(AOD550nm)对WRFSolar模式辐照度预报结果的影响。分析结果表明,加入MODIS资料的AOD550nm数据后,WRF Solar模式预测辐照度的准确率有明显改善。     

基于天气分型的水平面总辐射及散射辐射建模分析

为获得无太阳辐射观测地区的水平面总辐射及散射辐射量提出一种组合模型。首先通过日照百分率将天气情况分成3类,在此基础上,探究总云量、气溶胶等气象环境因子对水平面总辐射的影响,构建水平面总辐射线性模型;其次,考虑不同天气类型下气象环境因子的特征,建立基于高斯过程回归（GPR）的散射比和散射系数模型,进而获得散射辐射量;最后,得到每种天气类型下最优水平面总辐射模型与散射辐射模型构成的组合模型。结果表明,所提组合模型可有效提高水平面总辐射与散射辐射的预测精度。     

ARIMA-GRNN模型在大坝安全监测中的应用

为提高大坝安全监测数据预测精度,将差分自回归移动平均模型(ARIMA)与广义回归神经网络(GRNN)相结合,建立了ARIMA-GRNN预测模型。以前期实测值和ARIMA拟合值作为GRNN网络的输入,后期实测值作为网络输出,以平均平方误差最小为原则寻找光滑因子,建立最佳的预测模型,并运用熵权法和标准离差法对各模型进行多指标综合评价。结果表明,ARIMA-GRNN模型预测精度较ARIMA模型明显提高,可应用于大坝安全监测。     

基于PSO算法的柴油机性能多目标优化

以玉柴YC6K420LN-C31型柴油机为研究对象,基于RBF(radial basis function)神经网络算法建立发动机数据模型,采用PSO(particle swarm optimization)算法进行基于模型的多目标优化研究.研究表明:RBF神经网络建立的NOx、总碳氢化合物(THC)、CO和燃油消耗率(brake specific fuel consumption,BSFC)数据模型的决定系数R2分别为0.93、0.98、0.96和0.95,模型的预测准确度均大于90％,拟合优度和预测能力满足多目标优化的需求;采用PSO算法对发动机进行多 目标优化,将适应度目标NOx、THC、CO和BSFC的权重最终均设置为0.25,生成控制图谱并进行台架验证,在推进特性工况下总排放量和油耗相比于原机平均降低了 22.9％与5.3％.     

用Lowtran 7进行分光辐射的计算研究(Ⅰ)--不同波段分光总日射比例份额的计算研究

利用Lowtran 7所能提供的计算参数,分别计算了小于400nm(紫外辐射)、400～700nm (光合有效辐射)和大于700nm(红外辐射)3个波段的总日射占全波段总日射的比例,并研究了不同太阳高度角、不同气溶胶、不同海拔高度以及大气中不同水汽和气溶胶含量对上述比例的影响.以前实测中发现的光合有效辐射所占比例有随地理纬度减少而略有增长的趋势得到了合理的论证;而理论模式的计算结果与我们的实测季节过完全一致,则证明所用方法是合理和可行的.     

藏北高原典型草甸下垫面与HEIFE沙漠区辐射平衡气候学特征对比分析

利用中日合作“全球能量与水分平衡试验一青藏高原季风试验(GAME—Tibet)”和中日合作“黑河地区地一气相互作用野外观测实验研究(HEIFE)”IOP、FOP资料,计算分析了藏北高原典型草甸下垫面安多站和HEIFE沙漠站的辐射平衡各相关特征量时频变化的气候学特征。结果表明：无论是高原安多站还是黑河沙漠站,夏季均出现超太阳常数现象(只是安多更为明显);总辐射、大气逆辐射、地表长波辐射、地表有效辐射和地表辐射平衡等的日变化(晴天)无论是安多站还是沙漠站均表现为早晚出现最小值而正午附近(地方时)达到最大值,而地表反照率的日变化(晴天)相反表现为早晚大而正午附近小的规律;上述各分量均表现有程度不等的季节变化规律：总辐射、大气逆辐射、地表长波辐射和地表辐射平衡均表现为夏半年增大达到最大值百而冬半年降低量出现最小值;另外,大气长波辐射、地表有效辐射和地表反照率在沙漠站的年际变化的振幅较安多站更为显著和有规律。