基于物理信息约束与神经网络的太阳辐射时空预测方法及系统

本发明公开了一种基于物理信息约束与神经网络的太阳辐射时空预测方法及系统，该方法通过采集多维时序气象数据提取高维时序动态特征，同时将地理空间数据转化为模糊集合并经推理规则去模糊化得到地理空间特征；采用门控机制实现时空特征的深度融合生成高维时空融合特征。在模型训练阶段，将能量守恒方程引入优化过程，通过计算预测值的时间导数和空间导数构建物理残差，结合数据损失项形成物理约束总损失函数，利用梯度下降法更新模型参数。该方法在保证计算效率的同时显著提升了预测结果的准确性和可靠性，尤其适用于复杂气象条件下的太阳辐射预测；本发明能有效修正数据噪声导致的异常预测，为太阳能资源评估、光伏发电功率预测等领域提供了兼具物理合理性与数据适应性的解决方案。