arXiv Systems and Control · Engineering Energy· RR Flanagan, E Kasha, PW Talbot, AS Epiny, MR Deinert·· 2 天前AI 评分31
两阶段残差学习提升太阳能辐照度预测的校准不确定性
Two-stage residual learning for calibrated uncertainty in solar irradiance forecasts
AI 导读
一种两阶段方法将预测误差与期望辐照度分开建模：第一个 LSTM 网络预测全球水平辐照度均值，第二个网络建模预测误差分布，两者相加同时给出预测值及其不确定性。基于美国国家太阳辐射数据库历史天气数据和概率积分变换评估，该方法使预测标准差与历史值的偏差在单独 LSTM 下降低 34.6%，LSTM 结合高斯过程回归时降低 56.5%，为所测配置中最可靠者。
来源：arXiv Systems and Control · Engineering Energy · arxiv.org