Fugu-MT 論文翻訳(概要): Solar Radiation Anomaly Events Modeling Using Spatial-Temporal Mutually Interactive Processes

論文の概要: Solar Radiation Anomaly Events Modeling Using Spatial-Temporal Mutually Interactive Processes

arxiv url: http://arxiv.org/abs/2101.11179v1
Date: Wed, 27 Jan 2021 03:02:39 GMT
ステータス: 処理完了
システム内更新日: 2021-02-01 19:23:49.465088
Title: Solar Radiation Anomaly Events Modeling Using Spatial-Temporal Mutually Interactive Processes
Title（参考訳）: 時空間相互相互作用プロセスを用いた太陽放射異常事象のモデル化
Authors: Minghe Zhang, Chen Xu, Andy Sun, Feng Qiu, Yao Xie
Abstract要約: 太陽嵐は、気温、湿度、雲密度などの気象条件の影響を受けている。本研究では,空間的・時間的対話的ベルヌーイ過程に基づいて,太陽放射データをモデル化し,モデル化する新しい手法を提案する。
参考スコア（独自算出の注目度）: 11.119904876394399
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Modeling and predicting solar events, in particular, the solar ramping event is critical for improving situational awareness for solar power generation systems. Solar ramping events are significantly impacted by weather conditions such as temperature, humidity, and cloud density. Discovering the correlation between different locations and times is a highly challenging task since the system is complex and noisy. We propose a novel method to model and predict ramping events from spatial-temporal sequential solar radiation data based on a spatio-temporal interactive Bernoulli process. We demonstrate the good performance of our approach on real solar radiation datasets.
Abstract（参考訳）: 太陽事象のモデル化と予測、特に太陽ランプ現象は、太陽光発電システムの状況認識を改善するために重要である。太陽ランプイベントは、気温、湿度、雲の密度などの気象条件によって大きく影響されます。システムが複雑でノイズの多いため、異なる場所と時間間の相関を見つけることは極めて難しい作業である。本稿では,空間時系列太陽放射データから,時空間相互作用ベルヌーリ過程をモデル化,予測する新しい手法を提案する。実際の太陽放射データセットに対するアプローチの優れたパフォーマンスを実証します。

関連論文リスト

MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
論文参考訳（メタデータ） (2024-08-20T13:45:49Z)
Solarcast-ML: Per Node GraphCast Extension for Solar Energy Production [0.0]
このプロジェクトは、太陽エネルギー生産予測機能を統合することで、グローバル気象予報のための最先端グラフニューラルネットワーク(GNN)であるGraphCastモデルの拡張を示す。提案手法は、GraphCastが生成した天気予報を利用して、ニューラルネットワークモデルを用いて、様々な気象条件に基づいて実際の太陽出力と潜在的な太陽出力の比率を予測する。その結果, 太陽放射の正確な予測, 収束挙動, トレーニング損失の低減, および太陽放射パターンの正確な予測において, モデルの有効性が示された。
論文参考訳（メタデータ） (2024-06-19T13:47:05Z)
Comparing Data-Driven and Mechanistic Models for Predicting Phenology in Deciduous Broadleaf Forests [47.285748922842444]
我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。このアプローチは従来のプロセスベースのモデルよりも優れています。
論文参考訳（メタデータ） (2024-01-08T15:29:23Z)
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)
A Moment in the Sun: Solar Nowcasting from Multispectral Satellite Data using Self-Supervised Learning [4.844946519309793]
我々は、自己教師付き学習を用いた多スペクトル衛星データから、太陽流の一般的なモデルを構築した。我々のモデルは、衛星観測に基づいて、位置の将来の太陽放射を推定する。提案手法は,25の太陽観測地点にまたがる異なる範囲で評価し,地平線を予測できる。
論文参考訳（メタデータ） (2021-12-28T03:13:44Z)
Simultaneous Multivariate Forecast of Space Weather Indices using Deep Neural Network Ensembles [3.3935755618642367]
太陽放射束と地磁気指数は、太陽活動とその影響の重要な指標である。本稿では,時系列データの分布を学習するための,長期記憶ニューラルネットワークに基づくモデルを提案する。太陽画像データと時系列データを含む場合、根平均二乗誤差を30～40%改善する。
論文参考訳（メタデータ） (2021-12-16T17:42:49Z)
Prediction of Solar Radiation Using Artificial Neural Network [0.0]
本稿では,太陽放射の時間的活動を予測するアルゴリズムを提案する。データセットは、空気の温度、時間、湿度、風速、気圧、風向き、太陽放射データで構成されている。教師付き学習データを通じてパターンを解釈できるシステムを構築するために、2つのモデルを作成する。
論文参考訳（メタデータ） (2021-04-01T20:41:27Z)
DeepClimGAN: A High-Resolution Climate Data Generator [60.59639064716545]
地球系モデル(ESM)は、気候変動シナリオの将来の予測を生成するためにしばしば用いられる。妥協として、エミュレータはかなり安価であるが、ESMの複雑さを全て備えているわけではない。本稿では, ESMエミュレータとして, 条件付き生成逆数ネットワーク(GAN)の使用を実証する。
論文参考訳（メタデータ） (2020-11-23T20:13:37Z)
Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
論文参考訳（メタデータ） (2020-10-20T15:31:38Z)

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。