Fugu-MT 論文翻訳(概要): Estimator Model for Prediction of Power Output of Wave Farms Using Machine Learning Methods

論文の概要: Estimator Model for Prediction of Power Output of Wave Farms Using Machine Learning Methods

arxiv url: http://arxiv.org/abs/2011.13130v1
Date: Thu, 26 Nov 2020 05:05:24 GMT
ステータス: 処理完了
システム内更新日: 2022-09-20 08:46:40.971862
Title: Estimator Model for Prediction of Power Output of Wave Farms Using Machine Learning Methods
Title（参考訳）: 機械学習を用いた波浪農場の電力出力予測のための推定モデル
Authors: Bhavana Burramukku
Abstract要約: 本稿では,オーストラリア南岸の4つの実波シナリオから得られたデータセットに基づいて,波浪エネルギー予測のためのニューラルモデルの開発に着目する。 WEC配置の精密な解析を行い, 試験場における波動ファームの発電量を明らかにした。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The amount of power generated by a wave farm depends on the Wave Energy Converter (WEC) arrangement along with the usual wave conditions. Therefore, forming the appropriate arrangement of WECs in an array is an important factor in maximizing power absorption. Data collected from the test sites is used to design a neural model for predicting wave farm's power output generated. This paper focuses on developing a neural model for the prediction of wave energy based on the data set derived from the four real wave scenarios from the southern coast of Australia. The applied converter model is a fully submerged three-tether converter called CETO. A precise analysis of the WEC placement is investigated to reveal the amount of power generated by the wave farms on the test site.
Abstract（参考訳）: ウェーブファームによって発生する電力の量は、通常のウェーブ条件とともにウェーブエネルギー変換器(WEC)の配置に依存する。したがって、アレイ内のWECの適切な配置を形成することは、パワー吸収を最大化する重要な要素である。テストサイトから収集されたデータは、ウェーブファームの出力を予測するためのニューラルモデルの設計に使用される。本稿では,オーストラリア南岸の4つの実波シナリオから得られたデータセットに基づいて,波浪エネルギー予測のためのニューラルモデルの開発に着目する。応用コンバータモデルはCETOと呼ばれる完全潜水三層コンバータである。 WEC配置の精密な解析を行い, 試験場における波動ファームの発電量を明らかにした。

関連論文リスト

High Resolution Seismic Waveform Generation using Denoising Diffusion [3.5046784866523932]
本研究では, 高周波波形生成のための新しい, 効率的, スケーラブルな生成モデルを提案する。地震波形データのスペクトログラム表現を、オートエンコーダを介して低次元のサブ多様体に還元する。最先端拡散モデルを用いて、キー入力パラメータを条件に、この潜伏表現を生成する。
論文参考訳（メタデータ） (2024-10-25T07:01:48Z)
OceanCastNet: A Deep Learning Ocean Wave Model with Energy Conservation [0.0]
OceanCastNet (OCN) はエネルギーバランスの深いディープラーニングの予測モデルである。 OCNは、業界で広く使われているWaveWatch IIIモデルより一貫して優れている。
論文参考訳（メタデータ） (2024-06-06T08:29:29Z)
Function Approximation for Reinforcement Learning Controller for Energy from Spread Waves [69.9104427437916]
マルチジェネレータ・ウェーブ・エナジー・コンバータ(WEC)は、スプレッド・ウェーブと呼ばれる異なる方向から来る複数の同時波を処理しなければならない。これらの複雑な装置は、エネルギー捕獲効率、維持を制限する構造的ストレスの低減、高波に対する積極的な保護という複数の目的を持つコントローラを必要とする。本稿では,システム力学のシーケンシャルな性質をモデル化する上で,ポリシーと批判ネットワークの異なる機能近似について検討する。
論文参考訳（メタデータ） (2024-04-17T02:04:10Z)
A Physics-informed machine learning model for time-dependent wave runup prediction [0.0]
物理インフォームド・機械学習に基づく手法を提案し,時系列波の効率的なシミュレートを行った。条件生成対向ネットワーク(cGAN)を用いて、XBSBからのウェーブランアップの画像表現をXBNHからの対応する画像にマッピングする。 cGANモデルは、XBSBからの物理知識を取り入れることで、画像と画像のマッピングタスクの性能を向上させる。
論文参考訳（メタデータ） (2024-01-12T18:58:37Z)
Machine learning for phase-resolved reconstruction of nonlinear ocean wave surface elevations from sparse remote sensing data [37.69303106863453]
ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
論文参考訳（メタデータ） (2023-05-18T12:30:26Z)
Variational waveguide QED simulators [58.720142291102135]
導波管QEDシミュレータは1次元フォトニックバンドギャップ材料と相互作用する量子エミッタによって構成される。ここでは、これらの相互作用がより効率的な変分量子アルゴリズムを開発するためのリソースとなることを実証する。
論文参考訳（メタデータ） (2023-02-03T18:55:08Z)
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 Generative Vision Transformer with Energy-Based Latent Space for Saliency Prediction [51.80191416661064]
本稿では,有意な物体検出に先立って,潜伏変数を持つ新しい視覚変換器を提案する。ビジョントランスネットワークとエネルギーベース先行モデルの両方は、マルコフ連鎖モンテカルロによる最大推定を通じて共同で訓練される。生成型視覚変換器により、画像から容易に画素単位の不確実性マップを得ることができ、画像から唾液濃度を予測するためのモデル信頼度を示す。
論文参考訳（メタデータ） (2021-12-27T06:04:33Z)
Development of Deep Transformer-Based Models for Long-Term Prediction of Transient Production of Oil Wells [9.832272256738452]
本稿では,油井の過渡生産に関するデータ駆動型モデリング手法を提案する。油井の様々なパラメータからなる多変量時系列に基づいて訓練された変圧器ベースニューラルネットワークを適用した。複素過渡的な油田レベルのパターンをシミュレートするために,複数井戸に対するトランスフォーマーアーキテクチャに基づく単一井戸モデルを一般化する。
論文参考訳（メタデータ） (2021-10-12T15:00:45Z)
Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文参考訳（メタデータ） (2021-02-12T12:23:13Z)
Physics-Informed Gaussian Process Regression for Probabilistic States Estimation and Forecasting in Power Grids [67.72249211312723]
電力グリッドの効率的な運転にはリアルタイム状態推定と予測が不可欠である。 PhI-GPRは3世代電力系統の位相角,角速度,風力の予測と推定に使用される。提案手法は観測された状態と観測されていない状態の両方を正確に予測し,推定することができることを示す。
論文参考訳（メタデータ） (2020-10-09T14:18:31Z)

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。