全新正版太阳辐模型及其应用9787030714138科学出版社

序
前言
章 太阳辐基本参数的计算
1.1 太阳几何学基本参数的计算
1.2 倾斜面的太阳位置计算
1.2.1 朝向赤道（即正南）方向的倾斜面
1.2.2 任意朝向的倾斜面
1.3 大气层外水平面辐量的计算
1.3.1 人气层外水平面瞬时辐照度的计算
l.3.2 大气层外水平面小时辐量的计算
1.3.3 大气层外水平面日辐量的计算
1.4 大气层外倾斜面辐量的计算
1.4.1 大气层外倾斜面瞬时辐照度的计算
1.4.2 大气层外倾斜面小时辐量的计算
1.4.3 大气层外倾斜面日辐量的计算
1.5 典型日大气层外太阳辐量的计算结果
1.5.1 典型日大气层外月平均日辐量的计算
1.5.2 典型日人气层外瞬时辐照度的计算
1.5.3 典型日大气层外逐时辐量的计算
1.5.4 典型日大气层外日辐量的计算
第2章 太阳总辐的理论模型
2.1 太阳总辐的确定模型
2.1.1 基于日序数建立的太阳总辐模型
2.1.2 基于日照百分率建立的太阳总辐模型
2.1.3 基于温度建立的太阳总辐模型
2.1.4 基于气象参数建立的太阳总辐模型
2.2 太阳总辐的非确定模型
2.2.1 大气逐层削弱的太阳总辐模型
2.2.2 基于神经网络建立的太阳总辐模型
第3章 太阳散辐的理论模型
3.1 各向同散辐模型
3.2 各向异散辐模型
3.2.1 既有散辐模型的分析
3.2.2 散辐新模型的构建
3.3 散辐模犁
3.3.1 确定散辐模型
3.3.2 非确定散辐模型
第4章 各向异太阳辐的遮阳控制策略
4.1 遮阳控制策略
4.2 季节因素的影响
4.3 不同玻璃材质的影响
4.4 倾角的影响
4.5 天气状况的影响
4.6 遮阳控制策略的研究结沦
第5章 适应近年来大气状况变化的太阳辐模型修正
5.1 大气污染及其对太阳辐影响的现状分析
5.1.1 大气污染的现状分析
5.1.2 太阳辐的历年变化状况
5.2 太阳总车鬲模犁的修正方法及修正思路
5.2.1 基于能量半衡分析的太阳总辐与日照时间品质关系的研究
5.2.2 基于雾霾散-削弱效应研究其对太阳辐的影响
5.. 太阳总辐日值分解为逐时值的新模型
5.2.4 上海地区太阳总辐新模型
5.3 太阳总辐模型修正效果的对比分析
5.3.1 基于SVM算法研究雾霾对太阳总辐的影响
5.3.2 基于雾霾散-削弱效应研究其对太阳辐的影响
5.3.3 基于能量平衡分析的太阳总辐与日照时间品质关系的研究
5.3.4 太阳总辐日值分解为逐时值的新模型
5.3.5 上海地区太阳总辐新模型的能分析
5.4 太阳散辐模型的修正方法及修正思路
5.4.1 各向异散辐的新模型
5.4.2 各向异太阳散辐新模型的简化模型
5.4.3 重度雾霾地区基于AI修正的太阳散辐日值新模型的研究
5.5 太阳散辐模型的修正效果对比分析
5.5.1 各向异散辐新模型的修正效果
5.5.2 各向异太阳散辐新模型的简化模型
5.5.3 重度雾霾地区基于AI修正的太阳散辐日值新模型的研究
第6章 太阳辐相关软件的开发
6.1 太阳辐基本参数的计算程序
6.1.1 概述
6.1.2 运行环境
6.1.3 使用说明
6.2 基于神经网络的太阳散辐求解MATLAB工具箱V1.0
6.2.1 概述
6.2.2 运行环境
6.. 使用说叫
6.3 基于神经网络算法的太阳散辐预测及评估MATLAB工具箱V1.0
6.3.1 概述
6.3.2 运行环境
6.3.3 使用说明
6.4 基于GPI的模型能评软件
6.4.1 概述
6.4.2 运行环境
6.4.3 使用说明
主要参考文献
附录一 太阳辐基本参数计算程序软件源程序
附录二 基于神经网络的太阳散辐求解MATLAB工具箱源程序
附2.1 AA_NN_diffradi_ratio函数源程序
附2.2 AA_NN_diffradi_ratio_cal函数源程序
附. BP土成分分析神经网络模型函数源程序
附..1 main_PCA_Prediction函数源程序
附..2 main_PCA_prediction_cal函数源程序
附2.4 Elman神经网络模型函数源程序
附2.4.1 main_Elman_prediction函数源程序
附2.4.2 main_Elman_prediction_cal函数源程序
附2.5 遗传算法神经网络模型函数源程序
附2.5.1 main_genetic_prediction函数源程序
附2.5.2 main_genetic_prediction_cal函数源程序
附2.5.3 遗传神经网络模型中函数源程序
附2.6 statis_para_calcu函数源程序
附2.7 para_compar_selec函数源程序
附2.8 测试脚本及附属函数源程序
附2.8.1 脚本AA_NN_program_test
附2.8.2 getdata函数源程序
附2.8.3 divide函数源程序
附录三 基于神经网络算法的太阳散辐预测及评估MATLAB工具箱源程序
附3.1 AA_NN_diffradi_ratio函数源程序
附3.2 AA_NN_diffradi_ratio_cal函数源程序
附3.3 SVM神经网络模型函数源程序
附3.3.1 main_SVM_prediction函数源程序
附3.3.2 main_SVM_prediction_cal函数源程序
附3.3.3 SVMcgForRegress函数源程序
附3.4 RBF神经网络模型函数源程序
附3.4.1 采用approximate函数的RBF神经网络
附3.4.2 采用exact函数的RBF神经网络
附3.5 PSO神经网络模型函数源程序
附3.5.1 main_PSO_prediction函数源程序
附3.5.2 mainvPSO_prediction_cal函数源程序
附3.5.3 PSO_fitness_fun函数源程序
附3.6 小波神经网络模型函数源程序
附3.6.1 main_smallwave_prediction函数源程序
附3.6.2 main_smallwave_prediction_cal函数源程序
附3.6.3 mymorlet函数源程序
附3.6.4 d_mymorlet函数源程序
附3.7 statis_para_calcu函数源程序
附3.8 GPI_sisara_cal函数源程序
附3.9 测试脚本及附属函数源程序
附3.9.1 脚本AA_NN_program_test
附3.9.2 getdata函数源程序
附3.9.3 divide函数源程序
附录四 基于GPI的模型能评软件源程序
附4.1 different_GPI_calcute_method函数源程序
附4.2 getdata函数源程序

本书较为详细地分析了太阳辐理论模型的国内外研究现状，系统地梳理了太阳辐的理论模型，并将其应用于建筑热环境和光环境的调适。此外，根据近年来大气状况的变化对太阳辐模型进行了修正，为太阳能光热、光伏的合理利用提供了理论依据。，为便于这些理论模型的推广应用，本书基于相关研究成果还开发了相应的计算软件，并将这些软件的源程序附在了书后附录，以读者参考使用。
本书可供太阳能开发利用、建筑光热环境、建筑能耗模拟、气象及农业生产等方面的研究人员与科技工作者阅读参考，也可作为高等院校相关专业参考书。