論文の概要: Weather Analogs with a Machine Learning Similarity Metric for Renewable Resource Forecasting

• arxiv url: http://arxiv.org/abs/2103.04530v2
• Date: Tue, 9 Mar 2021 02:43:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-11 00:32:51.032311
• Title: Weather Analogs with a Machine Learning Similarity Metric for Renewable Resource Forecasting
• Title（参考訳）: 再生可能資源予測のための機械学習類似度指標を用いた気象アナログ
• Authors: Weiming Hu, Guido Cervone, George Young, Luca Delle Monache
• Abstract要約: アナログアンサンブル(AnEn)技術はいくつかの気象問題に有効であることが示されている。 AnEnテクニックのコアとなるのは、新しいターゲット予測に関して、過去の予測をソートする類似度メトリックである。 本稿では、機械学習(ML)に基づく類似度指標による気象アナログの新しい定義を提案する。
• 参考スコア（独自算出の注目度）: 24.81699963525514
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Analog Ensemble (AnEn) technique has been shown effective on several weather problems. Unlike previous weather analogs that are sought within a large spatial domain and an extended temporal window, AnEn strictly confines space and time, and independently generates results at each grid point within a short time window. AnEn can find similar forecasts that lead to accurate and calibrated ensemble forecasts. The central core of the AnEn technique is a similarity metric that sorts historical forecasts with respect to a new target prediction. A commonly used metric is Euclidean distance. However, a significant difficulty using this metric is the definition of the weights for all the parameters. Generally, feature selection and extensive weight search are needed. This paper proposes a novel definition of weather analogs through a Machine Learning (ML) based similarity metric. The similarity metric uses neural networks that are trained and instantiated to search for weather analogs. This new metric allows incorporating all variables without requiring a prior feature selection and weight optimization. Experiments are presented on the application of this new metric to forecast wind speed and solar irradiance. Results show that the ML metric generally outperforms the original metric. The ML metric has a better capability to correct for larger errors and to take advantage of a larger search repository. Spatial predictions using a learned metric also show the ability to define effective latent features that are transferable to other locations.
• Abstract（参考訳）: アナログアンサンブル(AnEn)技術はいくつかの気象問題に有効であることが示されている。 大規模な空間領域と拡張時空間ウィンドウ内で検索される以前の気象アナログとは異なり、AnEnは空間と時間を厳密に制限し、短い時間ウィンドウ内で各グリッドポイントで結果を独立に生成する。 AnEnは、正確で校正されたアンサンブル予測につながる同様の予測を見つけることができる。 AnEnテクニックのコアとなるのは、新しいターゲット予測に関して、過去の予測をソートする類似度メトリックである。 一般的に用いられる計量はユークリッド距離である。 しかし、この計量を用いた大きな困難は、全てのパラメータに対する重みの定義である。 一般に、特徴選択と広範な重み検索が必要である。 本稿では、機械学習(ML)に基づく類似度指標による気象アナログの新しい定義を提案する。 類似度メトリックは、トレーニングされたニューラルネットワークを使用して、天気アナログを検索する。 この新しいメトリックは、事前の機能選択と重み付けの最適化を必要とせずに、すべての変数を組み込むことができる。 風速と太陽照度を予測するための新しい測定器の適用について実験を行った。 その結果、MLメトリックは一般的に元のメトリックよりも優れています。 MLメトリックは、より大きなエラーを修正し、より大きな検索レポジトリを活用できる優れた機能を備えている。 学習したメトリックを用いた空間予測は、他の場所に転送可能な効果的な潜在機能を定義する能力も示す。

関連論文リスト

• Site-specific Deterministic Temperature and Humidity Forecasts with Explainable and Reliable Machine Learning [0.0]
  近年の機械学習の発展により、この問題に対する新しいアプローチとしてMLを適用することへの関心が高まっている。 我々は'Multi-SiteBoost'という名前のワーキングMLフレームワークを開発し、初期テストの結果はバイアス補正NWPモデルのグリッド値と比較して大幅に改善された。
  論文  参考訳（メタデータ） (2024-04-04T09:12:13Z)
• Novel application of Relief Algorithm in cascaded artificial neural network to predict wind speed for wind power resource assessment in India [0.0]
  本研究の結果, 従来のモデルと比較して, ANNの方が精度がよいことがわかった。 本論文の目的は2つある: 風力発電のためのANNの広範なレビューとWS予測を行う。 風速と風速の予測値と測定値とを比較した根平均二乗誤差(RMSE)は,それぞれ1.44m/sと1.49m/sであることがわかった。
  論文  参考訳（メタデータ） (2024-01-25T10:39:40Z)
• Probabilistic Solar Proxy Forecasting with Neural Network Ensembles [0.0]
  Space Environment Technologies (SET) は線形アルゴリズムを用いて$F_10.7 cm$を予測する。 本稿では,マルチ層パーセプトロン(MLP)と長短項メモリ(LSTM)を用いたニューラルネットワークアンサンブルを用いて,SET予測を改善する手法を提案する。
  論文  参考訳（メタデータ） (2023-06-03T18:22:01Z)
• Joint Metrics Matter: A Better Standard for Trajectory Forecasting [67.1375677218281]
  マルチモーダル・トラジェクトリ・予測法 : シングルエージェント・メトリクス(マージナル・メトリクス)を用いた評価 余分な指標にのみ注目することは、グループとして明確に一緒に歩いている人々のために、軌跡の衝突や軌跡のばらつきといった、不自然な予測につながる可能性がある。 本稿では,JADE,JFDE,衝突速度といったマルチエージェントメトリクス(ジョイントメトリクス)に関して,最先端トラジェクトリ予測手法の総合評価を行った。
  論文  参考訳（メタデータ） (2023-05-10T16:27:55Z)
• Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global Weather Forecast [91.9372563527801]
  我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。 初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。 Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
  論文  参考訳（メタデータ） (2022-11-03T17:19:43Z)
• The Glass Ceiling of Automatic Evaluation in Natural Language Generation [60.59732704936083]
  ステップバックして、既存の自動メトリクスと人的メトリクスのボディを比較して、最近の進歩を分析します。 古いものや新しいものといった自動メトリクスは、人間よりもずっと似ています。
  論文  参考訳（メタデータ） (2022-08-31T01:13:46Z)
• Physics Informed Shallow Machine Learning for Wind Speed Prediction [66.05661813632568]
  イタリアの32カ所の標高10mの風速計から観測された大量の風のデータセットを分析した。 我々は、過去の風の履歴を用いて教師あり学習アルゴリズムを訓練し、その価値を将来予測する。 最適設計と性能は場所によって異なることがわかった。
  論文  参考訳（メタデータ） (2022-04-01T14:55:10Z)
• Forecasting from LiDAR via Future Object Detection [47.11167997187244]
  そこで本研究では,センサの生計測に基づく検出と動作予測のためのエンドツーエンドアプローチを提案する。 未来と現在の場所を多対一でリンクすることで、我々のアプローチは複数の未来を推論することができる。
  論文  参考訳（メタデータ） (2022-03-30T13:40:28Z)
• Evaluating natural language processing models with generalization metrics that do not need access to any training or testing data [66.11139091362078]
  本稿では,Hugingface から事前学習した大規模トランスフォーマーに対して,一般化指標を用いた最初のモデル選択結果を提案する。 ニッチな状況にもかかわらず、ヘビーテール(HT)の観点から派生したメトリクスは、特にNLPタスクにおいて有用である。
  論文  参考訳（メタデータ） (2022-02-06T20:07:35Z)
• Multi-regime analysis for computer vision-based traffic surveillance using a change-point detection algorithm [3.655021726150368]
  日時,天気,影などの環境条件によらず,交通パラメータを計測できる普遍モデルを見つけることは困難である。 このアプローチでは、環境条件の変化点を決定するために、オンラインパラメトリックアルゴリズムを用いる。 マルチレジーム解析の精度は、すべてのデータに基づいてトレーニングされた統合モデルよりもはるかに高かった。
  論文  参考訳（メタデータ） (2020-11-07T13:54:36Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。