论文部分内容阅读
针对太阳逐日辐射能量时间序列的强非线性和非平稳性，采用神经网络结合傅里叶变换和小波多尺度分解，等效建立太阳逐日辐射能量小波过程神经网络实时在线预测模型，使其具有更多的自由度和更强的非线性逼近与随机性估计能力。以重构相空间的嵌入维数作为网络输入的傅里叶变换点数长度，避免输入量选取的任意性造成信息丢失的问题；通过小波多尺度分解，使其在不同尺度上表现出准平稳性，并以此确定网络隐层节点数；通过综合太阳逐日辐射能量、日照时数百分比和云量的时间序列数据对预测模型进行训练，仿真结果表明，该方法能实时有效在线递推预测太阳