于 瑛，贾晓宇，陈 笑

(西安建筑科技大学 机电工程学院，西安 710055)

在全球变暖和环境污染的背景下，太阳能作为清洁可再生能源中的重要组成部分，越来越受到人们广泛关注[1]. 太阳辐射数据在建筑、工业、农业等领域的研究中有着深远的意义，但由于经费、设备维护困难等方面的原因，只有少量台站能够测量太阳辐射. 在我国有气象台站2500多个，辐射台站仅有98个，其中记录散射辐射数据的台站17个，数量远少于气象台站. 太阳辐射观测数据远远不能满足需求，辐射数据的缺乏成为制约太阳能应用的主要因素之一[2]. 因此，利用易于测量的气象参数估算太阳辐射，成为补充太阳辐射数据的重要方法之一.

国内外学者提出了许多利用气象参数来估算太阳辐射的方法，主要包括：基于太阳辐射与气象参数之间的关系开发出的不同类型的经验模型[3]，人工智能模型[2,4]，自适应神经模糊推理系统(ANFIS)[5]以及基于卫星的衍生模型[6]. 文献调研发现，不论使用哪种模型，国内外学者在建立太阳辐射模型时都采用了不同的建模时长. 例如Li等[7]用1994年-2004年的数据，分析了8种模型的误差，Wu等[8]用1994年-2005年的数据，对多种模型进行了比较，Janjai等[9]用柬埔寨三颗卫星1995-2008年的数据，估算了柬埔寨地区的太阳辐射，Chen等[10]用1976年-2000年数据建立了支持向量机(SVM)的模型，估算东北地区的太阳辐射量. 建模时长从小于5年[11]、5年到10年[7,12]、10年到20年[8-9,13]，大于20年[10,14]不等，但选择建模时长的原因及建模时长对于模型估算误差……