面向热带地区太阳能预报的模型无关混合数值天气预测与机器学习范式
机器学习
2021-12-10 v1 大气与海洋物理
摘要
数值天气预测（NWP）与机器学习（ML）方法是太阳能预报的常用手段。然而，NWP 模型具有多种可能的物理参数化方案，这需要对站点特定的 NWP 进行优化。当区域 NWP 模型与具有不同可能参数化的全球气候模型一同使用时，问题进一步复杂化。在本研究中，提出并评估了一种替代方法用于四个辐射模型。天气研究与预报（WRF）模型以全球与区域两种模式运行，以提供太阳辐照度估计。该估计随后经 ML 后处理给出最终预测。经此 ML 误差校正模型，WRF 的归一化均方根误差降低了至多 40-50%。在使用 CAM、GFDL、New Goddard 与 RRTMG 辐射模型校正后所得结果相当，从而免除了 WRF 参数化调优的必要。还评估了其他融合邻近位置与传感器数据的模型，其中后者尤为 promising。
引用
@article{arxiv.2112.04963,
title = {Model-Agnostic Hybrid Numerical Weather Prediction and Machine Learning Paradigm for Solar Forecasting in the Tropics},
author = {Nigel Yuan Yun Ng and Harish Gopalan and Venugopalan S. G. Raghavan and Chin Chun Ooi},
journal= {arXiv preprint arXiv:2112.04963},
year = {2021}
}