Modelo de predicción de radiación solar para la cuenca del río Amarillo con aprendizaje profundo
Autores: Zhang, Qian; Tian, Xiaoxu; Zhang, Peng; Hou, Lei; Peng, Zhigong; Wang, Gang
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Modelo de predicción de radiación solar para la cuenca del río Amarillo con aprendizaje profundo
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Radiación solar
Modelo de aprendizaje profundo
Cuenca del río Amarillo
Temperatura
Duración de la luz solar
Fórmula de corrección
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 24
Citaciones: Sin citaciones
La radiación solar es la principal fuente de energía en la superficie de la Tierra. Es muy importante para el medio ambiente y la ecología, el ciclo del agua y el crecimiento de los cultivos. Por lo tanto, es muy importante obtener datos precisos de radiación solar. En este estudio, utilizamos la temperatura más alta T, la temperatura más baja T, la temperatura promedio T, la velocidad del viento U, la humedad relativa RH, la duración de la luz solar H y la duración máxima de la luz solar H como variables de entrada para construir un modelo de predicción de radiación solar mediante aprendizaje profundo en la cuenca del río Amarillo. Se compara con los valores recomendados y corregidos del ampliamente utilizado método Å-P. Los resultados muestran que: (1) Los resultados de corrección de la ecuación Å-P son mejores en la parte alta y baja de la cuenca del río Amarillo pero peores en la parte media. (2) El resultado de predicción del modelo de aprendizaje profundo en la cuenca del río Amarillo es mucho mejor que el de la ecuación Å-P utilizando el valor recomendado de la FAO-56. Es el mejor en la parte baja de la cuenca del río Amarillo: R aumenta de 0.894 a 0.934; MSE, RMSE y MAE disminuyen en un 43.12%, 27.73% y 25.80%, respectivamente. El resultado de predicción de la parte alta queda en segundo lugar: R aumenta de 0.888 a 0.921; MSE, RMSE y MAE disminuyen en un 33.27%, 20.02% y 19.04%, respectivamente. El resultado de la parte media es el peor: R aumenta de 0.869 a 0.874; MSE, RMSE y MAE disminuyen en un -0.50%, 0.07% y 3.82%, respectivamente. (3) Los resultados de predicción del modelo de aprendizaje profundo en la parte alta y baja de la cuenca del río Amarillo son mucho mejores que los de la ecuación Å-P utilizando corrección. El R en la parte alta de la cuenca del río Amarillo aumenta de 0.889 a 0.921. MSE, RMSE y MAE disminuyen en un 22.11%, 11.84% y 8.94%, respectivamente. El R en la parte baja de la cuenca del río Amarillo aumenta de 0.900 a 0.934, y MSE, RMSE y MAE disminuyen en un 13.21%, 11.40% y 5.55%, respectivamente. En la parte media de la cuenca del río Amarillo, los resultados de predicción del modelo de aprendizaje profundo son peores que los de la ecuación Å-P utilizando corrección: R aumenta de 0.870 a 0.874, pero MSE, RMSE y MAE disminuyen en un -24.93%, -10.83% y -11.56%, respectivamente.
Descripción
La radiación solar es la principal fuente de energía en la superficie de la Tierra. Es muy importante para el medio ambiente y la ecología, el ciclo del agua y el crecimiento de los cultivos. Por lo tanto, es muy importante obtener datos precisos de radiación solar. En este estudio, utilizamos la temperatura más alta T, la temperatura más baja T, la temperatura promedio T, la velocidad del viento U, la humedad relativa RH, la duración de la luz solar H y la duración máxima de la luz solar H como variables de entrada para construir un modelo de predicción de radiación solar mediante aprendizaje profundo en la cuenca del río Amarillo. Se compara con los valores recomendados y corregidos del ampliamente utilizado método Å-P. Los resultados muestran que: (1) Los resultados de corrección de la ecuación Å-P son mejores en la parte alta y baja de la cuenca del río Amarillo pero peores en la parte media. (2) El resultado de predicción del modelo de aprendizaje profundo en la cuenca del río Amarillo es mucho mejor que el de la ecuación Å-P utilizando el valor recomendado de la FAO-56. Es el mejor en la parte baja de la cuenca del río Amarillo: R aumenta de 0.894 a 0.934; MSE, RMSE y MAE disminuyen en un 43.12%, 27.73% y 25.80%, respectivamente. El resultado de predicción de la parte alta queda en segundo lugar: R aumenta de 0.888 a 0.921; MSE, RMSE y MAE disminuyen en un 33.27%, 20.02% y 19.04%, respectivamente. El resultado de la parte media es el peor: R aumenta de 0.869 a 0.874; MSE, RMSE y MAE disminuyen en un -0.50%, 0.07% y 3.82%, respectivamente. (3) Los resultados de predicción del modelo de aprendizaje profundo en la parte alta y baja de la cuenca del río Amarillo son mucho mejores que los de la ecuación Å-P utilizando corrección. El R en la parte alta de la cuenca del río Amarillo aumenta de 0.889 a 0.921. MSE, RMSE y MAE disminuyen en un 22.11%, 11.84% y 8.94%, respectivamente. El R en la parte baja de la cuenca del río Amarillo aumenta de 0.900 a 0.934, y MSE, RMSE y MAE disminuyen en un 13.21%, 11.40% y 5.55%, respectivamente. En la parte media de la cuenca del río Amarillo, los resultados de predicción del modelo de aprendizaje profundo son peores que los de la ecuación Å-P utilizando corrección: R aumenta de 0.870 a 0.874, pero MSE, RMSE y MAE disminuyen en un -24.93%, -10.83% y -11.56%, respectivamente.