【技术实现步骤摘要】
一种城市夜天空亮度预测分析方法及系统
[0001]本专利技术涉及预测算法领域,尤其涉及一种城市夜天空亮度预测分析方法及系统。
技术介绍
[0002]天空发亮是城市光污染的主要表现形式之一,城市中许多低品质的室外照明所产生的上射光、溢散光、反射光等都能够增加城市的夜空亮度,减弱了人们对星星和银河的观察能力,很多城市居民不能够在夜空里看到月亮或星星,严重损害了天文爱好者及普通市民对城市星空的遥望和观察。研究人员通过对全球居民区和工业区光污染卫星资料研究后发现,世界上1/5的人,包括2/3的美国人以及一半以上的欧洲人已经对银河视而不见。尽管人类已经作了相当大的努力控制光污染,但夜空亮度仍以每年3%的速度在增长,23年后夜空亮度将还会增加一倍。
[0003]减弱天空发亮需要通过局部完善与整体规划相结合的方法,才能得到有效的控制。因此只有在适当的地方和时间科学合理的进行照明,才能有效的防止光污染,节约能源和保护夜晚天空,并使每个人都受益于高品质的城市光环境。夜天空亮度分布预测模型的研究可为光污染防治、合理规划照明等提供决策依据,而目前世界各国关于夜天空亮度分布模型的研究还比较有限,主要是由于被研究对象极其复杂,其复杂性表现为输入/输出呈现高度的非线性、时变性等复杂的信息结构等,尤其是监测技术和计算理论尚不完善,这些复杂性都难以用精确的数学模型(如微分方程或差分方程)来描述,还有许多方面需要进一步研究。
技术实现思路
[0004]本专利技术的主要目的在于解决现有技术中的问题。本专利技术提供了一种城市夜天空
【技术保护点】
【技术特征摘要】
1.一种城市夜天空亮度预测分析方法,其特征在于,所述分析方法包括以下步骤:创建BP神经网络模型,确定所述BP神经网络模型的模型结构;对所述BP神经网络模型进行训练,得到训练后BP神经网络模型;根据输入的夜天空亮度参数,采用所述训练后BP神经网络模型,对夜天空亮度进行预测。2.根据权利要求1所述的一种城市夜天空亮度预测分析方法,其特征在于,所述模型结构包括输入层与输出层神经元个数、隐藏层数量、隐藏层神经元的个数,通过以下公式确定:式中p为学习图形数,q为隐含层神经元个数,n为输入层神经元个数,如i>q,C=0;其中m为输出神经元数,n为输入神经元数,a为1至10之间的常数;q=log2nn为输入神经元数;q=n/10n为输入神经元数。3.根据权利要求1所述的一种城市夜天空亮度预测分析方法,其特征在于,所述对所述BP神经网络模型进行训练,得到训练后BP神经网络模型,包括:采用train函数对所述BP神经网络模型进行训练,得到待仿真BP神经网络模型;利用sim函数对待仿真BP神经网络模型进行仿真,得到仿真后BP神经网络模型;利用postreg函数对仿真后BP神经网络模型的仿真输出和目标输出作线性回归分析,以sim函数检验神经网络的训练效果,得到训练后BP神经网络模型。4.根据权利要求3所述的一种城市夜天空亮度预测分析方法,其特征在于,所述train函数的格式如下:[net,tr]=train(net,P,T)其中,P为输入样本矢量集;T为对应的目标样本矢量集;等号右、左两侧的net分别用于表示训练前、训练后的神经网络对象;tr存储训练过程中的步数信息和误差信息;所述sim函数的格式如下:A=sim(net,P)其中,A为网络输出矢量集;P为输入样本矢量集;net分别用于表示训练后的神经网络对象;所述postreg函数的格式如下:R=postreg(A,P)其中,A为网络输出矢量集;P为输入样本矢量集;相关系数记为R。当R为1时,输出矢量和目标矢量相关性最好。5.根据权利要求1所述的一种城市夜天空亮度预测分析方法,其特征在于,所述夜天空亮度参数包括照明方式、天气情况、节假日、测量点的方位角、高度角、时间。
6.根据权利要求1所述的一种城市夜天空亮度预测分析方法,其特征在于,所述分析方法还包括输入数据归一化处理步骤,所述归一化处理的公式为:法还包括输入数据归一化处理步骤,所述归一化处理的公式为:其中:P为原始输入值;max P为原始输入值中的最大值;min P为原始输入值中的最小值;P
n
为归一化后神经网络的输入值;T表示原始目标值;maxT表示原始目标值中的最大值;minT表示原始目标值中的最小值;T
n
表示归一化后神经网络的目标值。7.根据权利要求1所述的一种城市夜天空亮度预测分析方法,其特征在于,所述分析方法还包括:所述神经网络模型预测得到预...
【专利技术属性】
技术研发人员:毛鹤群,杨梦婷,黄文平,
申请(专利权)人:中海环境科技上海股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。