太阳辐射作为天气、气候形成和演变的基本动力，它从根本上决定着地球大气的能量平衡过程。太阳辐射数据可以用于模拟地表动力和热力过程，是生态、水文、作物、太阳辐射传输、全球环流等模型的重要输入参数，定量模拟太阳辐射对了解和认识干旱半干旱地区气候变化至关重要。西北地区辐射台站稀少且分布不均，因此仅利用稀少的辐射站点资料进行内插或外推获得的辐射数据具有很大不确定性，内插或者外推在较大范围得到的值太平滑，无法刻画空间非均一性，而BP（Back propagation）神经网络模型对太阳辐射具有很好的预测性，但以往的研究都是基于单个站点模拟太阳辐射，且BP神经网络模型存在收敛速度慢、学习时间长等问题，为了克服BP算法存在的这些缺点，本文采用LM（Levenberg-Marquardt）算法优化后的BP神经网络，即LM-BP神经网络模型，利用西北地区159个气象站点的气象数据，模拟了1990—2012年的太阳总辐射月总量，结合25个辐射观测站的实测数据，通过空间插值得到了该区太阳总辐射的空间分布，并分析了其时空分布及变化特征。本文的研究结果可为西北地区太阳辐射的研究及各类模型提供重要的理论参考和数据支持，同时也为无辐射观测地区太阳辐射的计算提供一种可靠的方法。具体内容分为以下几个部分：（1）神经网络模型能够较好地处理回归模型不能解决的非线性问题，但输入变量信息的冗余使得神经网络的求解变得不稳定且收敛速度较慢。通过定量分析各个输入变量对输出变量的影响程度，对所选的输入变量进行优化约简，剔除模型中存在的冗余变量，从而降低神经网络的输入维数，简化网络结构，提高网络的收敛速度和学习效率。（2）以MATLAB为计算平台，采用算法改进后的LM-BP神经网络模型，模拟了西北地区乌鲁木齐、喀什、哈密、西宁、固原5个代表站点的太阳总辐射月总量，结合实测数据，并与两种经验模型（基于日照百分率的A-P模型和基于温度日较差的H-S模型）的模拟结果进行精度验证和误差分析，得出LM-BP神经网络模型的模拟精度比较高。（3）利用LM-BP神经网络模型模拟了西北地区1990—2012年159个气象站点的太阳总辐射月总量，结合25个辐射观测站的实测数据，对该区太阳总辐射月总量进行空间插值，研究了太阳总辐射的时空分布及变化特征，并分析了影响太阳总辐射变化的主要原因。通过本文的研究得出以下结论：（1）与传统BP算法相比，利用LM算法改进后的BP神经网络模型，即LM-BP模型具有更好的非线性映射能力，训练时间明显缩短，训练误差很小，表现出很好的拟合性。利用LM-BP模型和两种经验模型分别模拟了5个代表站点的太阳总辐射，结合实测数据，对三种模型的模拟结果进行精度验证和误差分析，结果表明，LM-BP模型模拟太阳辐射的效果最佳，精度最高，模拟值与实测值的拟合程度明显优于其他两种经验模型。（2）西北地区1990—2012年的年均总辐射月总量变化为262~643MJ/m2，呈现“中间高，两端低”的空间分布特征；该区几乎所有地方的太阳总辐射均呈现显著的减少趋势，倾向率变化为–88.9~30.1MJ/(m2·10a)；1961—2012年，太阳总辐射以–74.8MJ/(m2·10a)的速率呈递减趋势，其变化分为两个阶段：1961—1989年为显著减小阶段，变化率为–237MJ/(m2·10a)，1990—2012年为缓慢的增大阶段，但增大趋势不明显，变化率为14MJ/(m2·10a)。（3）太阳总辐射的季节分布表明，四季的平均总辐射月总量的变化为170~830MJ/m2；太阳总辐射月总量的年内分布表明，西北地区中部的高值区和西部的低值区的位置和范围有较大变化，而东部低值区位置及范围变化不明显。（4）通过对太阳总辐射变化的原因分析发现，影响因素有日照时数、云量、气溶胶、水汽、气温等，其中日照时数与太阳总辐射具有显著的正相关关系，云量、水汽对太阳总辐射的影响不是很显著，气溶胶含量的变化是影响太阳辐射变化的主要因素。