論文の概要: Dissimilarity-Based Persistent Coverage Control of Multi-Robot Systems for Improving Solar Irradiance Prediction Accuracy in Solar Thermal Power Plants

• arxiv url: http://arxiv.org/abs/2603.25139v1
• Date: Thu, 26 Mar 2026 07:59:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.170942
• Title: Dissimilarity-Based Persistent Coverage Control of Multi-Robot Systems for Improving Solar Irradiance Prediction Accuracy in Solar Thermal Power Plants
• Title（参考訳）: 太陽熱発電プラントにおける太陽照度予測精度向上のためのマルチロボットシステムの相似性に基づく永続被覆制御
• Authors: Haruki Kawase, Taiga Sugawara, A. Daniel Carnerero,
• Abstract要約: 本稿では、クリグモデルから導出した相似性マップを導入し、永続的カバレッジ制御アルゴリズムを提案する。 移動ロボットを用いた実験により,提案手法は検討されたベースラインよりも精度の高い予測値を得ることができた。
• 参考スコア（独自算出の注目度）: 0.28675177318965045
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate forecasting of future solar irradiance is essential for the effective control of solar thermal power plants. Although various kriging-based methods have been proposed to address the prediction problem, these methods typically do not provide an appropriate sampling strategy to dynamically position mobile sensors for optimizing prediction accuracy in real time, which is critical for achieving accurate forecasts with a minimal number of sensors. This paper introduces a dissimilarity map derived from a kriging model and proposes a persistent coverage control algorithm that effectively guides agents toward regions where additional observations are required to improve prediction performance. By means of experiments using mobile robots, the proposed approach was shown to obtain more accurate predictions than the considered baselines under various emulated irradiance fields.
• Abstract（参考訳）: 将来の太陽光の正確な予測は、太陽発電プラントの効果的な制御に不可欠である。 予測問題に対処するために,様々なクリグ法が提案されているが,これらの手法では,最小限のセンサで正確な予測を行う上で重要な,予測精度をリアルタイムで最適化するために,移動体センサを動的に位置決めするための適切なサンプリング戦略を提供していないのが一般的である。 本稿では、クリグモデルから導かれる相似性マップを導入し、予測性能を向上させるために追加観測を必要とする領域にエージェントを効果的に誘導する永続的カバレッジ制御アルゴリズムを提案する。 移動体ロボットを用いた実験により,様々なエミュレートされた照射条件下でのベースラインよりも精度の高い予測が得られた。

関連論文リスト

• Uncertainty-Aware Solar Flare Regression [0.0]
  現在の太陽フレア予測は、その信頼性の正確な定量化を欠くことが多く、しばしば誤報を引き起こす。 宇宙天気予報の信頼性を高めるためには,モデル予測のための信頼区間を確立することが重要である。 本研究では,宇宙天気予報における回帰作業への共形予測の適用について検討する。
  論文  参考訳（メタデータ） (2026-03-05T20:23:51Z)
• Ultra-short-term solar power forecasting by deep learning and data reconstruction [60.200987006598524]
  深層学習に基づく超短周期太陽エネルギー予測とデータ再構成を提案する。 我々は、ターゲット予測期間に対する長期的および短期的依存関係をキャプチャするために、ディープラーニングモデルを用いる。
  論文  参考訳（メタデータ） (2025-09-21T14:22:35Z)
• Adaptive Conformal Prediction Intervals Over Trajectory Ensembles [50.31074512684758]
  将来の軌道は、自律運転、ハリケーン予測、疫病モデルといった領域で重要な役割を果たしている。 本稿では,サンプル軌道を理論的カバレッジ保証付き校正された予測区間に変換する共形予測に基づく統一的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-18T21:14:07Z)
• Enhancing Multivariate Time Series-based Solar Flare Prediction with Multifaceted Preprocessing and Contrastive Learning [0.9374652839580181]
  正確な太陽フレア予測は、宇宙飛行士、宇宙機器、衛星通信システムに強い太陽フレアがもたらす重大なリスクのために重要である。 本研究は、先進的なデータ前処理と分類手法を利用して、太陽フレア予測を強化する。
  論文  参考訳（メタデータ） (2024-09-21T05:00:34Z)
• Improving Model Chain Approaches for Probabilistic Solar Energy Forecasting through Post-processing and Machine Learning [0.0]
  我々は,グローバル水平照度と太陽光発電のアンサンブル後予測のための統計的および機械学習手法を開発した。 その結果, 後処理が発電予測を大幅に改善すること, 特に後処理が発電予測に応用されることが示唆された。
  論文  参考訳（メタデータ） (2024-06-06T18:08:50Z)
• Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
  気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。 データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。 提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
  論文  参考訳（メタデータ） (2024-01-22T14:02:56Z)
• 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)
• Prediction-Powered Inference [68.97619568620709]
  予測を用いた推論は、実験データセットに機械学習システムからの予測を補足した場合に有効な統計的推論を行うためのフレームワークである。 このフレームワークは、手段、量子、線形およびロジスティック回帰係数などの量に対して証明可能な信頼区間を計算するための単純なアルゴリズムを生成する。 予測による推論により、研究者は機械学習を使用して、より有効な、よりデータ効率の高い結論を導き出すことができる。
  論文  参考訳（メタデータ） (2023-01-23T18:59:28Z)
• Short-Term Solar Irradiance Forecasting Using Calibrated Probabilistic Models [14.579720180539136]
  我々は、SURFRADネットワーク内の7つの局の公開データを用いてモデルを訓練し、評価する。 NGBoostは, 太陽放射予測モデルよりも, 時間内解像度で高い性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-10-09T17:57:59Z)
• 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)
• An Integrated Multi-Time-Scale Modeling for Solar Irradiance Forecasting Using Deep Learning [1.52292571922932]
  太陽エネルギーの非定常特性のため、短期的な太陽照度予測は困難である。 日内太陽光のマルチスケール予測のための統一アーキテクチャを提案する。 提案手法は,全試験場の平均RMSEを71.5%削減する。
  論文  参考訳（メタデータ） (2019-05-07T14:40:32Z)

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。