每日直接法向太阳辐射估算及温室设计选择

### 每日直接法向太阳辐射估算及温室设计选择 #### 一、每日直接法向太阳辐射估算 1. **研究背景与目的** - 评估每日太阳能资源对确定不同太阳能系统的性能以及研究其在相似气候条件下任何地点的可行性至关重要。为了更真实、全面地评估模型的适用性，研究将不同气候条件纳入考量，并与多层感知器人工神经网络（MLP - ANN）模型进行对比。 2. **研究方法** - **多层感知器人工神经网络（MLP - ANN）**：受生物神经网络启发，它能通过推导输入和输出之间的关系来解决复杂的非线性问题。本研究采用前馈反向传播和Levenberg - Marquardt算法来减少非线性函数的误差。其结构包括M个输入、一个包含N个双曲正切神经元的隐藏层和一个线性输出神经元。 - **梯度提升（Gradient Boosting）**：它是集成方法中流行的算法，能将弱学习器转化为强学习器。通过在训练阶段依次关联单个弱学习器的输出，并在每次迭代中为预测不佳的样本分配更高的权重。该算法通过优化绝对可微损失函数逐步创建模型，每添加一个弱学习器，就会得到一个更准确的输出估计模型。 - **装袋（Bagging）**：由Leo BREIMAN在1996年开发，基于自助法（bootstrap）和聚合两个主要步骤。它采用自助分布通过自助采样生成不同的基学习器，从原始数据集中有放回地抽取样本得到自助样本，用于训练基学习器。对于回归问题，通过计算每个样本估计值的平均值来聚合基学习器的输出。 - **随机森林（Random Forest）**：结合了多个使用装袋方法构建的随机树。为每个样本开发一个回归树，随机选择输入变量和预测器子集。当森林中初始选择的树的数量足够多时，泛化误差趋于一个极限，最终估计值通过计算所有开发树的平均估计值得到。 3. **性能评估指标** - 采用三个统计指标来评估训练模型的准确性：相关系数（R）、归一化平均绝对误差（nMAE）和归一化均方根误差（nRMSE）。归一化的MAE和RMSE可避免尺度依赖，nRMSE值越低，表明预测模型越好。计算公式如下： - \(R = \frac{\sum_{i = 1}^{n} (y_{ei} - \bar{y}_e)(y_{mi} - \bar{y}_m)}{\sqrt{\sum_{i = 1}^{n} (y_{ei} - \bar{y}_e)^2 \sum_{i = 1}^{n} (y_{mi} - \bar{y}_m)^2}}\) - \(nMAE = \frac{1}{n} \frac{\sum_{i = 1}^{n} |(y_{ei} - y_{mi})|}{\bar{y}_m}\) - \(nRMSE = \sqrt{\frac{1}{n} \frac{\sum_{i = 1}^{n} (y_{ei} - y_{mi})^2}{\bar{y}_m}}\) 其中，\(y_{mi}\)和\(y_{ei}\)分别是第i个测量值和估计值，\(\bar{y}_m\)和\(\bar{y}_e\)分别是n个测量值和估计值的平均值。 4. **数据来源** - 研究使用了摩洛哥五个地点的每日太阳能和气象数据，这些数据是enerMENA项目的一部分。不同站点使用了不同的测量仪器，如Oujda、Missour和Tan - Tan的“热传感器”站配备了CHP1日射强度计测量DNI和两个Kipp & Zonen CMP21总日射表测量DHI和GHI；Erfoud和Zagora站则使用“旋转阴影带辐射计”（RSI）测量GHI和DHI。测量周期因站点而异。具体站点信息如下表所示： | 站点 | 纬度(°N) | 经度(°W) | 海拔(m) | 测量周期 | 站点类型 | 测量的太阳分量 | 仪器类型 | 型号 | | --- | --- | --- | --- | --- | --- | --- | --- | --- | | OUJDA | 34.650 | 1.900 | 617 m | 2011年8月18日至2015年9月30日 | TS | GHI、DHI、DNI | 总日射表、总日射表、日射强度计 | Kipp & Zonen CMP21、Kipp & Zonen CMP21、Kipp & Zonen CHP1 | | MISSOUR | 32.860 | 4.107 | 1107 m | 2014年1月1日至2015年9月30日 | TS | GHI、DHI、DNI | 总日射表、总日射表、日射强度计 | Kipp & Zonen CMP21、Kipp & Zonen CMP21、Kipp & Zonen CHP1 | | ERFOUD | 31.491 | 4.218 | 859 m | 2013年6月2日至2015年9月30日 | RSI | GHI、DHI | 总日射表、总日射表 | RSI PY67982 | | ZAGORA | 30.272 | 5.852 | 783 m | 2013年6月3日至2015年9月30日 | RSI | GHI、DHI | 总日射表、总日射表 | RSI PY75722 | | TAN - TAN | 28.498 | 11.322 | 75 m | 2013年6月1日至2015年9月30日 | TS | GHI、DHI、DNI | 总日射表、总日射表、日射强度计 | Kipp & Zonen CMP21、Kipp & Zonen CMP21、Kipp & Zonen CHP1 | 5. **实验结果与讨论** - 研究使用70%的历史数据进行训练，30%的数据用于独立验证。通过测试输入参数的不同组合，发现估计每日DNI的最佳组合为一年中的天数、每日大气顶部法向太阳辐射、每日平均气温和每日晴空指数（Jan, Gtoa_n, Tmean, Kt），隐藏层使用10个神经元。 - 不同模型在各个站点和所有站点组合数据上的性能表现如下表所示： | 站点 | 模型 | 结构 | 训练阶段 | | | 验证阶段 | | | | --- | --- | --- | --- | --- | --- | --- | --- | --- | | | | | R(%) | nMAE(%) | nRMSE(%) | R(%) | nMAE(%) | nRMSE(%) | | Erfoud