Fugu-MT 論文翻訳(概要): Short-Term Solar Irradiance Forecasting Using Calibrated Probabilistic Models

論文の概要: Short-Term Solar Irradiance Forecasting Using Calibrated Probabilistic Models

arxiv url: http://arxiv.org/abs/2010.04715v2
Date: Wed, 14 Oct 2020 16:03:02 GMT
ステータス: 処理完了
システム内更新日: 2022-10-09 05:15:43.501585
Title: Short-Term Solar Irradiance Forecasting Using Calibrated Probabilistic Models
Title（参考訳）: 校正確率モデルを用いた短期太陽照度予測
Authors: Eric Zelikman, Sharon Zhou, Jeremy Irvin, Cooper Raterink, Hao Sheng, Anand Avati, Jack Kelly, Ram Rajagopal, Andrew Y. Ng, David Gagne
Abstract要約: 我々は、SURFRADネットワーク内の7つの局の公開データを用いてモデルを訓練し、評価する。 NGBoostは, 太陽放射予測モデルよりも, 時間内解像度で高い性能が得られることを示す。
参考スコア（独自算出の注目度）: 14.579720180539136
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Advancing probabilistic solar forecasting methods is essential to supporting the integration of solar energy into the electricity grid. In this work, we develop a variety of state-of-the-art probabilistic models for forecasting solar irradiance. We investigate the use of post-hoc calibration techniques for ensuring well-calibrated probabilistic predictions. We train and evaluate the models using public data from seven stations in the SURFRAD network, and demonstrate that the best model, NGBoost, achieves higher performance at an intra-hourly resolution than the best benchmark solar irradiance forecasting model across all stations. Further, we show that NGBoost with CRUDE post-hoc calibration achieves comparable performance to a numerical weather prediction model on hourly-resolution forecasting.
Abstract（参考訳）: 太陽エネルギーの電力網への統合を支援するためには,確率的太陽予測法が不可欠である。本研究では,太陽放射の予測のための様々な最先端確率モデルを開発する。ポストホック校正手法による確率予測の精度向上について検討した。我々は,surfradネットワーク内の7局の公開データを用いてモデルを訓練し,評価し,最良モデルであるngboostが全駅で最高の日射量予測モデルよりも時間内分解能で高い性能を達成できることを実証した。さらに, 時間分解能予測における数値天気予報モデルと比較して, CRUDE後キャリブレーションによるNGBoostの性能が向上することを示した。

関連論文リスト

Machine learning-based probabilistic forecasting of solar irradiance in Chile [0.7067443325368975]
本研究はチリの第三地域及び第四地域における太陽放射の確率論的予測について検討する。ニューラルネットワークを用いた後処理手法を提案し、8員のアンサンブル予測を改善した。全ての予測は30か所の観測結果に対して評価され、後処理の予測技術は生のWRFアンサンブルと比較される。
論文参考訳（メタデータ） (2024-11-17T13:22:05Z)
Short-Term Photovoltaic Forecasting Model for Qualifying Uncertainty during Hazy Weather [9.367926898177815]
我々は、悪天候下で不確実性を評価するために、改良されたエントロピーを導入する。クラスタリングとアテンション機構は、計算コストを削減し、予測精度を高めるために使用される。悪天候に関連する2つのデータセットの実験により、我々のモデルは予測精度を大幅に改善することを示した。
論文参考訳（メタデータ） (2024-07-29T02:53:39Z)
Improving Model Chain Approaches for Probabilistic Solar Energy Forecasting through Post-processing and Machine Learning [0.0]
我々は,グローバル水平照度と太陽光発電のアンサンブル後予測のための統計的および機械学習手法を開発した。その結果, 後処理が発電予測を大幅に改善すること, 特に後処理が発電予測に応用されることが示唆された。
論文参考訳（メタデータ） (2024-06-06T18:08:50Z)
Weather Prediction with Diffusion Guided by Realistic Forecast Processes [49.07556359513563]
気象予報に拡散モデル(DM)を適用した新しい手法を提案する。提案手法は,同一のモデリングフレームワークを用いて,直接予測と反復予測の両方を実現できる。我々のモデルの柔軟性と制御性は、一般の気象コミュニティにとってより信頼性の高いDLシステムに力を与えます。
論文参考訳（メタデータ） (2024-02-06T21:28:42Z)
ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
論文参考訳（メタデータ） (2024-02-02T10:34:13Z)
Improving day-ahead Solar Irradiance Time Series Forecasting by Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
論文参考訳（メタデータ） (2023-06-01T19:54:39Z)
A Comparative Study on Generative Models for High Resolution Solar Observation Imaging [59.372588316558826]
本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
論文参考訳（メタデータ） (2023-04-14T14:40:32Z)
Diffusion Models for High-Resolution Solar Forecasts [0.0]
スコアベース拡散モデルは、多くの依存変数上の確率分布をモデル化するための新しいアプローチを提供する。本手法は,超解速気象予測のための拡散モデルから多くの試料を発生させることにより,日頭太陽照度予測に適用する。
論文参考訳（メタデータ） (2023-02-01T01:32:25Z)
An Energy-Based Prior for Generative Saliency [62.79775297611203]
本稿では,情報的エネルギーベースモデルを事前分布として採用する,新たな生成正当性予測フレームワークを提案する。生成サリエンシモデルを用いて,画像から画素単位の不確実性マップを得ることができ,サリエンシ予測におけるモデル信頼度を示す。実験結果から, エネルギーベース先行モデルを用いた生成塩分率モデルでは, 精度の高い塩分率予測だけでなく, 人間の知覚と整合した信頼性の高い不確実性マップを実現できることが示された。
論文参考訳（メタデータ） (2022-04-19T10:51:00Z)
Learning Interpretable Deep State Space Model for Probabilistic Time Series Forecasting [98.57851612518758]
確率的時系列予測は、その歴史に基づいて将来の分布を推定する。本稿では,非線形エミッションモデルと遷移モデルとをネットワークによってパラメータ化した,確率的時系列予測のための深部状態空間モデルを提案する。実験では,我々のモデルが正確かつ鋭い確率予測を生成することを示す。
論文参考訳（メタデータ） (2021-01-31T06:49:33Z)
An Integrated Multi-Time-Scale Modeling for Solar Irradiance Forecasting Using Deep Learning [1.52292571922932]
太陽エネルギーの非定常特性のため、短期的な太陽照度予測は困難である。日内太陽光のマルチスケール予測のための統一アーキテクチャを提案する。提案手法は,全試験場の平均RMSEを71.5%削減する。
論文参考訳（メタデータ） (2019-05-07T14:40:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。