文献

J-GLOBAL ID：202202274822455114   整理番号：22A0837305

異なる天候/汚染条件下での日全体および拡散日射を予測するための機械学習モデルの評価【JST・京大機械翻訳】

Evaluation of machine learning models for predicting daily global and diffuse solar radiation under different weather/pollution conditions

著者 (7件)： Jia Dongyu (College of Urban Environment, Lanzhou City University, Lanzhou, 730070, China) ,  Yang Liwei (Key Laboratory of Desert and Desertification/Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou, 730000, China) ,  Yang Liwei (Key Laboratory of Land Surface Process and Climate Change in Cold and Arid Regions/Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou, 730000, China) ,  Lv Tao (Huangshan Meteorological Office, Huangshan, 245800, China) ,  Liu Weiping (Lanzhou Regional Climate Center, Lanzhou, 730000, China) ,  Gao Xiaoqing (Key Laboratory of Land Surface Process and Climate Change in Cold and Arid Regions/Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou, 730000, China) ,  Zhou Jiaxin (College of Urban Environment, Lanzhou City University, Lanzhou, 730070, China)
資料名： Renewable Energy  (Renewable Energy)
巻： 187  ページ： 896-906  発行年： 2022年 
JST資料番号： A0124C  ISSN： 0960-1481  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 中国における太陽エネルギーと光起電力産業の急速な発展のために,信頼できて正確な太陽放射予測を提供することが重要である。本研究では,地球規模と拡散日射を予測するための3つの一般的に用いられる機械学習モデルを8つの中国の都市で評価し,異なる地球気候と汚染物質条件を表した。結果に従って;nRMSE,nMAE,nMBEおよびR値に関して,沿岸位置(上海,広州など)は内陸位置(蘭州および武漢のような)より高い値を得た。さらに,SVM(サポートベクトルマシン)は,研究域が乾燥,半湿潤または湿潤,続いてGLMNET(一般化線形モデリング)およびRF(ランダム森林)であるかどうかにかかわらず,すべての場所で他のモデルより優れていた。さらに,異なる気候と汚染条件下での異なる場所におけるSVMを評価するとき,日射予測の精度は天候と汚染条件レベルに密接に関連していることを示した。一般に,地球日射予測誤差は気象条件レベルと一致した。予測誤差は,天候レベルが増加するにつれて増加した。しかし,汚染条件レベルと全天日射予測の間の関係は非線形関係を示した。さらに,拡散日射の予測結果のために,異なる天候と汚染条件レベルによるその変動法則は,グローバルソーラー放射のものとほとんど異なった。全天日射と拡散日射の最大誤差発生確率は,汚染レベル5と1でそれぞれ現れた。全体として,SVMモデルはわずかな汚染と安定した気象条件の下で放射線予測における信頼性を示した。これは気象データの少ない場所で重要であり,太陽光発電所建設のための地理的位置の選択を最適化するために使用できる。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  太陽放射 ,  地球 ,  気候 ,  都市 ,  湿潤 ,  気象データ ,  気象条件 ,  *日射 ,  *モデル ,  *散乱日射 ,  全天日射 ,  予測誤差 ,  サポートベクトルマシン
準シソーラス用語： *天候 , 【Automatic Indexing@JST】

著者キーワード (4件)： 機械学習 ,  予測 ,  全天日射 ,  拡散日射

分類 (1件)： 放射,大気光学  (DC05080C)

タイトルに関連する用語 (7件)： 天候 ,  汚染 ,  拡散日射 ,  予測 ,  機械学習 ,  モデル ,  評価