[发明专利]基于BP神经网络模型计算各月份天文辐射量的方法

说明书

本发明涉及一种基于BP神经网络模型计算各月份天文辐射量的方法，包括以下步骤：步骤S1：采集待计算地区DEM影像，对DEM影像进行预处理；步骤S2：提取DEM影像对应的输入矩阵；步骤S3：对输入矩阵进行归一化处理；步骤S4：构建并训练BP神经网络模型；步骤S5：将归一化后的输入矩阵输入训练后的BP神经网络模型，得到输出矩阵；步骤S6：对输出矩阵进行反归一化，得到待计算地区的月天文辐射数值矩阵。本发明计算月天文辐射数值方法简单，时间短，精度高。

技术领域

本发明涉及地理信息系统领域，具体涉及一种基于BP神经网络模型计算各月份天文辐射量的方法。

背景技术

太阳辐射是地球生命活动的能量源泉，也是大气中一切物理过程或现象的基本动力因子，其变化对全球地表能量流动、物质循环、生物生长以及人类活动等都具有决定性的影响。天文辐射是指地球表面不考虑大气影响所能接收到的太阳辐射，是地表实际入射太阳辐射的基础背景，也是辐射计算、太阳能资源评估和农业生产潜力估算等方面的重要天文参量。

目前天文辐射的主要计算方法如下：1)，使用数字高程模型(Digital ElevationModel，DEM)并根据纬度和日期(积日)信息构建数学模型计算天文辐射。但构建出的数学模型模型复杂，计算量非常大，效率非常低。2)使用BP(Back Propagation)神经网络模型估算其它气象站点的天文辐射。模型是以气象站点的观测值(如气温)作为输入值以相应站点的天文辐射观测值为输出值进行训练的。但所得到的BP神经网络模型仅可使用于数量极为有限气象站点，而在非气象站点的广大地区无法使用，极大地限制了对天文辐射的研究以及应用。

发明内容

有鉴于此，本发明的目的在于提供一种基于BP神经网络模型计算各月份天文辐射量的方法，解决了以往计算方法中模型复杂、计算量大的问题，以及难以计算任意地点天文辐射的问题。

为实现上述目的，本发明采用如下技术方案：

一种基于BP神经网络模型计算各月份天文辐射量的方法，包括以下步骤：

步骤S1：采集待计算地区DEM影像，并对DEM影像进行预处理；

步骤S2：根据预处理后的DEM影像，提取对应的输入矩阵；

步骤S3：对输入矩阵进行归一化处理；

步骤S4：构建并训练BP神经网络模型；

步骤S5：将归一化后的输入矩阵输入训练后的BP神经网络模型，得到BP神经网络模型的输出矩阵；

步骤S6：对输出矩阵进行反归一化，得到待计算地区的月天文辐射数值矩阵。

进一步的，所述待计算地区DEM影像为任意空间分辨率的DEM影像，为TIFF格式，所包含像素的数量为p1×p2，像素值表示该像素所对应位置的高程值。根据地理信息系统专业的表达习惯，以下将DEM影像的像素称为栅格。为了方便描述，将每个栅格进行编号(编号从1到p1×p2)，编号按照从上到下，后从左到右的顺序进行。

进一步的，所述步骤S1具体为：

步骤S11：采集待计算地区DEM影像；

步骤S12:将采集的DEM影像转换为数值矩阵；

步骤S12:填充数值矩阵中的空缺值,得到预处理后的DEM影像。

进一步的，所述步骤S2具体为：

步骤S21：提取待计算地区DEM影像每个栅格的高程、坡度、坡向因子以及每个栅格上下左右四个方向邻域栅格的高程、坡度和坡向因子；