基于3種機器學習法的太陽輻射模擬研究

作者：李凈,溫松楠

摘要：定量模擬太陽輻射對認識黃土高原區氣候變化至關重要,現有研究表明機器學習可以很好地模擬太陽輻射,但不同的機器學習法在不同區域模擬精度不同,為了實現黃土高原區太陽輻射數據的最優模擬,從而為農作物模型、水文模型以及氣候變化模型提供精度更高的太陽輻射數據。基于隨機森林(RF,Random Forest)、人工神經網絡(ANN,Artificial Neural Network)和支持向量機(SVM,Support Vector Machine)3種機器學習法來模擬黃土高原地區的太陽輻射并對這3種算法進行比較研究,選取了2003~2009年14個輻射站點和2010~2016年10個輻射站點的實測數據和對應參數氣壓、云量、云光學厚度、臭氧、可降水水汽以及DEM、坡度、坡向作為模型的訓練數據,隨機選取2010~2016年4個輻射站點的太陽輻射實測數據對模擬結果進行驗證。驗證結果表明:RF模型在黃土高原及周邊地區的模擬效果最優,平均偏差(MBE)為-0.17 MJ·m-2,均方根誤差(RMSE)為1.48 MJ·m-2,擬合優度達到0.96。研究結果表明:RF模型與氣象數據及遙感數據結合能夠有效解決黃土高原無輻射觀測區的太陽輻射模擬問題,對區域太陽輻射的研究具有重要意義。

發文機構：西北師范大學地理與環境科學學院

關鍵詞：太陽輻射隨機森林(RF)人工神經網絡(ANN)支持向量機(SVM)遙感Solar radiationRandom Forest(RF)Artificial Neural Network(ANN)Support Vector Machine(SVM)Remote sensing

分類號： P422.1[天文地球—大氣科學及氣象學]