Fugu-MT 論文翻訳(概要): Graph Neural Networks in Wind Power Forecasting

論文の概要: Graph Neural Networks in Wind Power Forecasting

arxiv url: http://arxiv.org/abs/2507.00105v1
Date: Mon, 30 Jun 2025 16:17:02 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-03 14:22:58.447579
Title: Graph Neural Networks in Wind Power Forecasting
Title（参考訳）: 風力発電予測におけるグラフニューラルネットワーク
Authors: Javier Castellano, Ignacio Villanueva,
Abstract要約: 特定のアーキテクチャは、私たちの最高のCNNベースのベンチマークに匹敵するパフォーマンスを実現しています。この研究は5年間の歴史的データを用いて3つの風力発電施設で実施された。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study the applicability of GNNs to the problem of wind energy forecasting. We find that certain architectures achieve performance comparable to our best CNN-based benchmark. The study is conducted on three wind power facilities using five years of historical data. Numerical Weather Prediction (NWP) variables were used as predictors, and models were evaluated on a 24 to 36 hour ahead test horizon.
Abstract（参考訳）: 風力エネルギー予測問題に対するGNNの適用性について検討する。特定のアーキテクチャは、私たちの最高のCNNベースのベンチマークに匹敵するパフォーマンスを実現しています。この研究は5年間の歴史的データを用いて3つの風力発電施設で実施された。数値気象予測(NWP)変数を予測器として使用し,24時間から36時間前にモデルを評価した。

関連論文リスト

Improving Predictions of Convective Storm Wind Gusts through Statistical Post-Processing of Neural Weather Models [0.07710102716793873]
ニューラル気象モデル(NWM)の最近の進歩は、0.25degのグローバルグリッド上での大気環境の予測に、計算的に安価で高速なアプローチを提供する。雷雨の場合、これらの環境は特定の場所で風速分布を予測するために経験的に後処理することができる。そこでPangu-Weather NWMでは,時間ごとの風速を最大3日前に予測するために,統計的および深層学習後処理手法の階層化を適用した。
論文参考訳（メタデータ） (2025-03-31T18:25:35Z)
Data-driven rainfall prediction at a regional scale: a case study with Ghana [4.028179670997471]
最先端の数値天気予報(NWP)モデルは、アフリカの熱帯地域で熟練した降雨予測を作成するのに苦労している。 2つのU-Net畳み込みニューラルネットワーク(CNN)モデルを開発し、12時間と30時間リード時の24時間降雨を予測する。また,従来のNWPモデルとデータ駆動モデルを組み合わせることにより,予測精度が向上することがわかった。
論文参考訳（メタデータ） (2024-10-17T22:07:53Z)
Bias correction of wind power forecasts with SCADA data and continuous learning [0.0]
我々は,4つの機械学習に基づく風力予測モデルを提示し,評価し,比較する。本モデルは,65基の風力タービンからなるウィンドパークのデータセットを用いて評価した。
論文参考訳（メタデータ） (2024-02-21T16:31:45Z)
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)
Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文参考訳（メタデータ） (2023-09-12T13:28:06Z)
Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
論文参考訳（メタデータ） (2023-07-14T06:50:02Z)
Deep Learning for Day Forecasts from Sparse Observations [60.041805328514876]
深層ニューラルネットワークは、気象条件をモデル化するための代替パラダイムを提供する。 MetNet-3は、密度とスパースの両方のデータセンサーから学習し、降水、風、温度、露点を最大24時間前に予測する。 MetNet-3は、それぞれ時間分解能と空間分解能が高く、最大2分と1km、運用遅延は低い。
論文参考訳（メタデータ） (2023-06-06T07:07:54Z)
Effects of spatiotemporal correlations in wind data on neural network-based wind predictions [0.0]
本研究では,風速予測ニューラルネットワークの性能に及ぼす時空間風の影響について検討した。 CNNモデルの相関関係と性能について,韓国,米国,英国の3つの地域で検討した。その結果, 自己相関係数が小さい領域の方がCNNの方が好適であることが判明した。
論文参考訳（メタデータ） (2023-04-04T05:44:12Z)
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)
Forecasting large-scale circulation regimes using deformable convolutional neural networks and global spatiotemporal climate data [86.1450118623908]
変形可能な畳み込みニューラルネットワーク(deCNN)に基づく教師あり機械学習手法の検討今後1～15日にわたって北大西洋-欧州の気象条件を予測した。より広い視野で見れば、通常の畳み込みニューラルネットワークよりも5～6日を超えるリードタイムでかなり優れた性能を発揮することが分かる。
論文参考訳（メタデータ） (2022-02-10T11:37:00Z)
A generative adversarial network approach to (ensemble) weather prediction [91.3755431537592]
本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
論文参考訳（メタデータ） (2020-06-13T20:53:17Z)

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。