数据驱动的太阳辐照度预报
神经与进化计算
2019-11-06 v2
摘要
本文描述了一种用于气象变量短期预测的灵活方法。特别地，我们聚焦于提前一小时预测太阳辐照度这一任务，该任务在优化太阳能资源时具有很高的实用价值。由于 DÉFI EGC 2018 为我们提供了来自留尼汪岛的 5 个地理站点、以每分钟频率记录长达两年的多传感器（如太阳辐照度、温度、湿度）时间序列数据，我们检验了将近期观测数据用作预测模型输入的价值，以及模型跨站点的性能。在描述了我们的数据清洗与归一化过程后，我们结合基于自回归积分滑动平均（ARIMA）模型的变量选择步骤，进而使用通用回归技术，如神经网络与回归树。
引用
@article{arxiv.1801.03373,
title = {Data-driven forecasting of solar irradiance},
author = {Pierrick Bruneau and Philippe Pinheiro and Yoann Didry},
journal= {arXiv preprint arXiv:1801.03373},
year = {2019}
}
备注
Published in French In EGC 2018, vol. RNTI-E-34, pp.439-450 https://editions-rnti.fr/?inprocid=1002422