論文の概要: A Meta-Analysis of Solar Forecasting Based on Skill Score
- arxiv url: http://arxiv.org/abs/2208.10536v1
- Date: Mon, 22 Aug 2022 18:37:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-24 13:54:32.948620
- Title: A Meta-Analysis of Solar Forecasting Based on Skill Score
- Title（参考訳）: 習熟度に基づく日射量予測のメタ分析
- Authors: Thi Ngoc Nguyen and Felix M\"usgens
- Abstract要約: Google Scholarから1,447枚の論文をスクリーニングし,データ抽出のための320枚の論文の全文をレビューした。
我々は,予測地平線,分解度,気候条件,地域ごとの太陽照度,電力系統の大きさと容量,予測モデル,列車と試験セット,異なる技術と入力の使用など,重要な変数の予測精度に与える影響を定量化する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We conduct the first comprehensive meta-analysis of deterministic solar
forecasting based on skill score, screening 1,447 papers from Google Scholar
and reviewing the full texts of 320 papers for data extraction. A database of
4,758 points was built and analyzed with multivariate adaptive regression
spline modelling, partial dependence plots, and linear regression. Notably, the
analysis accounts for the most important non-linear relationships and
interaction terms in the data. We quantify the impacts on forecast accuracy of
important variables such as forecast horizon, resolution, climate conditions,
regions' annual solar irradiance level, power system size and capacity,
forecast models, train and test sets, and the use of different techniques and
inputs. By controlling for the key differences between forecasts, including
location variables, the findings from the analysis can be applied globally. An
overview of scientific progress in the field is also provided.
- Abstract（参考訳）: Google Scholarから1,447枚の論文をスクリーニングし,データ抽出のための320枚の論文の全文をレビューした。
4,758点のデータベースを構築し,多変量適応回帰スプラインモデル,部分依存プロット,線形回帰を用いて解析した。
特に、解析はデータの最も重要な非線形関係と相互作用項を考慮に入れている。
我々は,予測地平線,分解度,気候条件,地域ごとの太陽照度,電力系統の大きさと容量,予測モデル,列車と試験セット,異なる技術と入力の使用など,重要な変数の予測精度に与える影響を定量化する。
位置変数を含む予測値の主な違いを制御することにより,解析結果のグローバルな適用が可能となる。
この分野における科学の進歩についても概説する。
関連論文リスト
- WeatherReal: A Benchmark Based on In-Situ Observations for Evaluating Weather Models [11.016845506758841]
我々は,地球近傍の地表面観測から得られた気象予報のための新しいベンチマークデータセットであるWeatherRealを紹介する。
本稿では,データセットの基盤となる情報源と処理手法を詳述するとともに,超局地的・極端な気象観測におけるその場観測の利点について述べる。
私たちの研究は、AIベースの天気予報研究を、よりアプリケーション中心で運用対応のアプローチへと進めることを目的としています。
論文 参考訳（メタデータ） (2024-09-14T08:53:46Z) - Predicting unobserved climate time series data at distant areas via spatial correlation using reservoir computing [5.008022566317949]
本研究は, 気象要素, 特に地表温度と圧力を, データ観測点から離れた目標地点で予測することに焦点を当てた。
その結果,予測精度は観測地点と目標地点の距離によって低下することがわかった。
論文 参考訳（メタデータ） (2024-06-05T08:39:10Z) - 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) - Confidence and Dispersity Speak: Characterising Prediction Matrix for
Unsupervised Accuracy Estimation [51.809741427975105]
この研究は、ラベルを使わずに、分散シフト下でのモデルの性能を評価することを目的としている。
我々は、両方の特性を特徴付けるのに有効であることが示されている核規範を用いる。
核の基準は既存の手法よりも正確で堅牢であることを示す。
論文 参考訳（メタデータ） (2023-02-02T13:30:48Z) - ClimaX: A foundation model for weather and climate [51.208269971019504]
ClimaXは気象と気候科学のディープラーニングモデルである。
気候データセットの自己教師型学習目標で事前トレーニングすることができる。
気候や気候の様々な問題に対処するために、微調整が可能である。
論文 参考訳（メタデータ） (2023-01-24T23:19:01Z) - GraphCast: Learning skillful medium-range global weather forecasting [107.40054095223779]
我々は、再分析データから直接トレーニングできる「GraphCast」と呼ばれる機械学習ベースの手法を導入する。
全世界で10日以上、0.25度で、数百の気象変動を1分以内で予測する。
我々は,GraphCastが1380の検証対象の90%において,最も正確な運用決定システムよりも優れていることを示す。
論文 参考訳（メタデータ） (2022-12-24T18:15:39Z) - 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) - 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) - CAMul: Calibrated and Accurate Multi-view Time-Series Forecasting [70.54920804222031]
本稿では,一般的な確率的マルチビュー予測フレームワークであるCAMulを提案する。
多様なデータソースから表現と不確実性を学ぶことができる。
動的コンテキスト固有の方法で、各データビューからの知識と不確実性を統合する。
CAMulは、他の最先端確率予測モデルよりも精度とキャリブレーションが25%以上向上していることを示す。
論文 参考訳（メタデータ） (2021-09-15T17:13:47Z) - WeatherBench: A benchmark dataset for data-driven weather forecasting [17.76377510880905]
データ駆動型中距離天気予報のためのベンチマークデータセットを提案する。
機械学習モデルでの使用を容易にするために処理されたERA5アーカイブから得られたデータを提供する。
単純な線形回帰手法、ディープラーニングモデル、および純粋に物理的な予測モデルからベースラインスコアを提供する。
論文 参考訳（メタデータ） (2020-02-02T19:20:46Z)
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。