没有合适的资源?快使用搜索试试~ 我知道了~
太阳能辐射数据预测人工神经网络模型.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 180 浏览量
2023-03-22
19:55:37
上传
评论
收藏 99KB DOCX 举报
温馨提示
![preview](https://dl-preview.csdnimg.cn/87605127/0001-75a8f873923079310bd7bb77d85d4946_thumbnail-wide.jpeg)
![preview-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/scale.ab9e0183.png)
试读
24页
。
资源推荐
资源详情
资源评论
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/release/download_crawler_static/87605127/bg1.jpg)
百度文库 - 好好学习,天天向上
太阳能辐射数据预测的人工神经网络模型:应用浆纱独立光伏发电系统
摘要每天全球太阳能辐射预测
许多太阳能应用的数据是非常重要的,可能的
应用程序可以被发现在气象学中,可再生能源
和太阳能转换能量。在本文中,我们探讨
利用径向基函数(RBF)网络来
找到一个每天全球太阳能辐射数据模型
日照和气温。这种方法是
被认为适合预测时间序列。使用
每天的日照时间数据库,空气的温度和
全球太阳能辐射数据对应的典型
基准年(尝试)。RBF 模型进行训练的基础
对 300 个已知数据的尝试,以这种方式,网络
训练有素的接受和处理了一些不寻常的
-
1
![](https://csdnimg.cn/release/download_crawler_static/87605127/bg2.jpg)
百度文库 - 好好学习,天天向上
例。已知的数据随后被用于研究
预测精度。随后,未知
验证数据集产生非常精确的估计,与
平均相对误差(MRE)不超过 1.5%之间
实际数据和预测数据,且相关系数
用于验证数据集得到的是 98.9%,这一结果
表明该模型可以成功地用于
用于预测和每天全球太阳能辐射模型
数据从日照和气温。一个
对于独立光伏系统的施胶的应用已
本文提出以显示的重要性
这种建模。
关键词建模,预测,径向基函数
-
2
![](https://csdnimg.cn/release/download_crawler_static/87605127/bg3.jpg)
百度文库 - 好好学习,天天向上
网络,全球太阳能辐射数据,上浆的光伏发电系统
一、引言
每天全球太阳能辐射数据被认为是如
气象学中的最重要的参数,太阳能
转换,和可再生能源,特别是对的
大小的独立光伏(PV)系统。这种类型的数据被视为时间序列,其
先进的按时间,时间序列建模包括
随机预测领域,信号的最优预测
样品(在最小均方意义上),给出了有限
过去的样本数。它是有条件的期望[ 1 ],但
的条件期望的计算要求
对当前样本的联合概率的知识与
过去的样本,一般是不知道的。因为这个,
和条件期望是非一般的事实—
-
3
![](https://csdnimg.cn/release/download_crawler_static/87605127/bg4.jpg)
百度文库 - 好好学习,天天向上
线性,找到解决问题的方法是数学棘手。
因此,对非线性信号设计方法
的预测都是次优的,他们只会尝试
近似的当前样本的条件期望。
这些次优的方法,如自回归(AR)[ 2 ]
预测,马尔可夫链[4-5]和 ARMA 模型[ 6 ]是
基于简化的统计假设
这并不总是真实的测量数据,这些数据也可以
用马尔可夫转移矩阵生成方法(MTM)
[ 7 ]利用输入唯一的月平均辐射数据
(HM)。神经网络方法提供了一个很好的解决方案
这样的问题,因为它的设计是基于训练
因此,无统计学假设为源所需要的
-
4
![](https://csdnimg.cn/release/download_crawler_static/87605127/bg5.jpg)
百度文库 - 好好学习,天天向上
数据。神经网络被广泛接受的技术
提供另一种解决复杂和不明确的方式
问题。它们可以被训练来预测结果
的例子。他们能够处理非线性问题,并
一旦训练可以在非常高的速度进行预测。的
一些研究人员利用神经网络
每天全球太阳能辐射数据的预测:
Guessoum 等人[ 8 ]利用 RBF 神经网络预测
阿尔及利亚太阳辐射数据,在他们的研究中,输入
输出对应于天小时太阳辐射数据(J)
第二天,H(J + 1),RBF 模型预测太阳
1.36% k.s.statistics 辐射数据的准确性。
mohandes 等人[ 9 ]使用的数据来自 41 个记录站
沙乌地阿拉伯,到网络的输入值的纬度,
-
5
剩余23页未读,继续阅读
资源评论
![avatar-default](https://csdnimg.cn/release/downloadcmsfe/public/img/lazyLogo2.1882d7f4.png)
![avatar](https://profile-avatar.csdnimg.cn/06779827608847128b637bead301d722_weixin_72426331.jpg!1)
คิดถึง643
- 粉丝: 3930
- 资源: 1万+
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)