地球系统上的能源物质转化离不开太阳能的驱动,正是有了太阳能,植物得以进行光合作用产生氧气维系动物生存,光合作用只是地球上存在的很多循环里的一种,因此太阳能对于地球整个系统的能量物质转移起着不可或缺的作用。随着人类对地球的污染越来越严重和地表能源的大量消耗,对可持续发展的追求成为各国的迫切需求,针对如何更有效的利用地球上的清洁能源,各国也争相出台了很多的政策来减少能源的损耗,推进可持续性的发展。但目前世界范围内的太阳辐射观测预测站点非常稀少,而且分布在不同的国家,仅利用这些检测站点的数据并不足以使太阳辐射资源得到更好的利用,数据的缺乏限制了此领域的研究。由于我国西北新疆阿克苏地区地处太阳辐射高能区域,数据质量较好,所以本文将此地区作为实验区,建立预测模型验证不同模型的预测精度,从而提高地表净太阳辐射能源的有效利用率。为提高新疆阿克苏地区的地表太阳净辐射的预测精度,本文基于欧洲中期天气预报中心(ECWMF)所提供的1961年1月到2010年12月共计50年的地表净太阳辐射月平均值数据,采用集合经验模态分解算法(EEMD)和BP神经网络算法结合的方法,提出了一种新的EEMD-BP神经网络组合预测模型来预测地表太阳净辐射的历史数据。首先利用EEMD算法从原始的数据中提取信号并进行数据分层,从而得到不同频率的本征模函数(IMF)和剩余分量;并对分解后的数据进行重构,将数据分为高、中、低频三个分量,再加入预测坐标点的上、下、左、右四个坐标点的数据作为参考和辅助,利用BP神经网络对各分量建立预测模型。该模型已在新疆阿克苏地区地表净太阳辐射月平均值数据的检验中得到应用和验证。在实例研究中,以平均百分比误差(MPE)、平均偏差误差(MBE)、均方根误差(RMSE)和相关系数为评价指标,通过与单一BP神经网络预测模型和EMD-BP神经网络组合预测模型预测结果的比较,分析了EEMD-BP神经网络预测地表净太阳辐射的准确性和适用性。通过以上的研究结果表明,EEMD-BP神经网络组合预测模型的预测值与单一BP神经网络预测模型(R~2=0.7185)和EMD-BP神经网络组合预测模型(R~2=0.7357)的预测结果相比,更接近实际数据,具有更好的相关系数(R~2=0.9124),预测结果的误差分析指标均较小,EEMD-BP神经网络组合预测模型的预测精度提高了很多。将此种预测算法应用到新疆阿克苏地区地表净太阳辐射的预测研究中,结合了两种算法的优点,克服了单一模型预测的各类缺陷,EEMD-BP神经网络的组合预测模型达到了预期的效果。说明此模型在地表净太阳辐射的预测中具有更高的精确度,所提出组合预测方法不仅可以应用在地表净太阳辐射数据的预测中,也为其他气象数据的预测提供了一种新的参考方法。