利用海洋数据进行风速和风向概率预测的贝叶斯神经网络
大气与海洋物理
2022-06-22 v1 机器学习
摘要
神经网络正越来越多地被用于各种场景中以预测风向和风速，这是估算风电场潜在发电量的两个最重要因素。然而，这些预测的价值可能有限，因为经典神经网络缺乏表达不确定性的能力。在此，我们转而考虑使用贝叶斯神经网络（BNNs），其权重、偏置和输出是分布而非确定性点值。这允许同时评估认知不确定性和偶然不确定性，并产生风速和功率的校准良好的不确定性预测。在此，我们考虑将 BNNs 应用于可再生能源应用中的海上风资源预测问题。对于我们的数据集，我们使用在北海 FINO1 研究平台记录的观测数据，我们的预测因子是海洋数据，如水温和洋流方向。BNN 预测的概率预测为结果增加了相当大的价值，特别是能够告知用户网络对样本外数据点进行预测的能力。我们利用 BNNs 的这一特性得出结论：我们网络所做的风速和风向预测的准确性和不确定性不受附近 Alpha Ventus 风电场建设的影响。因此，在该站点，使用风电场建设前的海洋数据训练的网络可用于在风电场建成后根据海洋数据准确预测风场信息。
引用
@article{arxiv.2206.08953,
title = {Bayesian neural networks for the probabilistic forecasting of wind direction and speed using ocean data},
author = {Mariana C A Clare and Matthew D Piggott},
journal= {arXiv preprint arXiv:2206.08953},
year = {2022}
}
备注
8 pages, 6 figures