[发明专利]日辐照量预测方法及存储介质

权利要求书

1.一种日辐照量预测方法，其特征在于，包括：

采集区域内多个观测点逐日的辐照量历史数据，并根据相应的辐照量历史数据生成各个观测点的日辐照量时间序列；

根据日辐照量时间序列的分布规律与观测点空间位置之间的空间相关性，构建日辐照量的时空耦合模型；

根据各个观测点的日辐照量时间序列对时空耦合模型进行训练；

基于训练好的时空耦合模型，根据相应的空间位置参数和时间参数，预测待预测区域的日辐照量。

2.根据权利要求1所述的日辐照量预测方法，其特征在于，构建所述时空耦合模型包括：

通过日辐照量数据逐日的时间变化规律构建关于日辐照量时间序列的包络模型和相对离差模型；

根据日辐照量的空间特征对所述包络模型和相对离差模型的未知参数进行建模，确定包络模型和相对离差模型的参数模型；

根据参数模型、包络模型和相对离差模型构建起所述时空耦合模型。

3.根据权利要求2所述的日辐照量预测方法，其特征在于，通过M样条函数构建所述包络模型。

4.根据权利要求3所述的日辐照量预测方法，其特征在于，所述包络模型为：

其中，β₀为包络信号的截距，t为时刻，为不超过t的最大整数；为包络信号年度均值缓慢变化的第k个基函数的系数；为包络信号年度幅值的第k个基函数的系数，为年度周期波动项第k个基函数的系数，为具有K个基函数的s阶M样条族中的第k个基函数，为未知参数，K_T为刻画日辐照量包络信号均值缓慢变化的函数中样条族的基函数数量，K_D为刻画日辐照量包络信号年度周期函数中样条族的基函数数量，K_M为刻画年度周期信号振动幅度函数中样条族的基函数数量。

5.根据权利要求2所述的日辐照量预测方法，其特征在于，通过高斯过程拟合所述相对离差模型。

6.根据权利要求5所述的日辐照量预测方法，其特征在于，所述通过高斯过程拟合所述相对离差模型，包括：

分析各个观测点的实际日辐照量时间序列与包络序列的相对离差序列；

计算相对离差序列的均值；

采用广义极值分布函数对相对离差序列的均值分布规律进行刻画。

7.根据权利要求5所述的日辐照量预测方法，其特征在于，对所述包络模型和相对离差模型的未知参数进行建模，包括：

采用高斯过程模型对包络模型和相对离差模型的未知参数进行建模，参数模型为：

其中，θ_i，l为空间位置i处曝辐量时间序列包络模型的第l个参数，l＝1，…，L，μ_l为均值向量，σ_l高斯过程随机误差，Ι为对角线为1且其它元素为0的n×n阶单位阵，n为站点数量；

K_l(X，X)为核函数矩阵，其第(i₁，i₂)个元素为：

其中，K_l为刻画高斯过程不确定性的参数，γ_l为尺度参数；

根据高斯过程模型进行差值，确定任意空间位置的包络模型和相对离差模型的未知参数为：

8.根据权利要求1所述的日辐照量预测方法，其特征在于，所述时空耦合模型为：

9.一种存储介质，存储有计算机程序，其特征在于，该计算机程序运行时，执行权利要求1所述的日辐照量预测方法。