本文针对日常漫射辐射（Hd）估计，开发了支持向量机 - 萤火虫算法（SVM-FFA），copula-base非线性分位数回归（CNQR）和经验模型三种模型。中国拉萨，乌鲁木齐，北京和武汉的1981 - 2000年和2001 - 2010年的气象资料分别用于模型训练和验证。五种气象数据组合：（a）清晰度指数（Kt）; （b）日照比率（S）; （c）Kt和S; （d）Kt，S和平均温度（Ta）; （e）考虑Kt，S，Ta和平均相对湿度进行模拟。结果表明，对于训练阶段，SVM-FFA优于相应的模型，而经验模型表现略好于相应的CNQR模型。对于验证阶段，CNQR和SVM-FFA模型比经验模型表现更好。与CNQR和SVM-FFA相比，SVM-FFA表现略好于CNQR模型，平均MABE下降0.67％（0.01 MJm-2d-1），平均R2上升0.43％（0.004）。对于训练时间，SVM-FFA（1.68s）显示出比CNQR（6.68s）更少的计算成本;但SVM-FFA（4.9×105）的参数优化时间是CNQR的105倍。因此，在训练阶段SVM-FFA的总体计算成本远高于CNQR。考虑到准确性和计算成本之间的权衡，CNQR被强烈推荐用于日常Hd估计。
——文章发布于2020年2月
