BriefGPT - AI 论文速递
·
短期太阳辐照度预测在数据传输约束下的应用
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
研究人员提出了一种用于太阳辐照短期预测的数据简化机器学习模型，通过降维天空相机图像的标量特征以满足数据传输限制，并使用噪声输入反映未测量的变量，显著提高了模型的预测能力。在测试数据上，该模型的平均绝对误差为74.34 $W/m^2$，相比于基准模型的134.35 $W/m^2$，有较大的改进。
🎯
关键要点
- 研究人员提出了一种用于太阳辐照短期预测的数据简化机器学习模型。
- 该模型通过降维天空相机图像的标量特征以满足数据传输限制。
- 使用噪声输入反映未测量的变量，显著提高了模型的预测能力。
- 利用来自 NREL Solar Radiation Research Laboratory 的五年数据，创建了三个滚动训练验证集。
- 确定了时间的最佳表示形式、输入测量的最佳跨度以及最具影响力的模型输入数据（特征）。
- 在测试数据上，该模型的平均绝对误差为74.34 $W/m^2$，相比于基准模型的134.35 $W/m^2$，有较大的改进。
➡️
