태양 복사량 (SI)의 정확한 예측은 전력 스케줄링과 태양 전지 위치 선정에 중요합니다. 고성능 컴퓨터 및 대용량 저장 장치의 발전으로 데이터 기반 딥 러닝 모델은 SI 예측 분야에서 널리 관심을 받고 있지만, 물리적 해석의 부재로 인해 딥 러닝 모델의 불투명성은 특정 상황에서의 신뢰성을 제약하고 있습니다. 예측 정확도와 모델 구조를 유지하면서 모델의 해석성을 향상시키기 위해 장단기 기억 신경망(LSTM) 기반 모델이 구축되었습니다. 전통적인 신경 네트워크와 비교하여 성능이 8.07% 향상되었으며 이상점 처리 능력이 더 좋음을 보였습니다. 층별 관련 전파(LRP) 알고리즘을 사용하여 모델 출력에 영향을 미치는 요인을 시간과 공간에서 평가함으로써 모델의 해석성이 강화되었습니다. 연구 결과 이 모델은 성능을 보장하면서 해석 가능성이 뛰어나며, 햇빛 강도의 역사적 값, 시간적 특성(예: 일, 주, 월), 태양 고도 각 정보(해 돋고 지는 시간과 같은), 구름 커버리지,복사 지속 시간, 온도 및 이슬점 온도 등이 태양 복사량 예측에 주요한 영향을 미치는 것으로 나타났습니다.

태양 복사량 예측, 딥 러닝, 해석성, LRP 알고리즘, LSTM