How Regional Wind Characteristics Affect CNN-based wind predictions: Insights from Spatiotemporal Correlation Analysis

要約

タイトル：CNNに基づく風予測における地域風特性の影響：時空間相関分析からの示唆

要約：
– この研究では、人工ニューラルネットワークを用いた風予測モデルの精度に、時空間データの次元がどのように影響するかを調査した。
– これまでの研究では、空間データを取り込むことで風予測モデルの精度が向上することが示されてきたが、異なる空間スケールによる改善の程度を含め、神経回路ネットワークに基づく予測モデルにおける最適な時間長の入力データに関する研究は限られている。
– この研究では、さまざまな時空間次元のデータを入力として使用して風予測を行い、予測性能を評価する。その結果、3D-畳み込みニューラルネットワーク（3D-CNN）のトレーニングに周辺領域の空間データを使用することで、単一地点情報のみを使用するよりもより良い予測性能を実現できることがわかった。また、複数の時間データが単一の時間データよりも予測性能により良い影響を与えることが示された。
– さらに、空間データと時間データのトレーニングデータのサイズが予測性能にどのように影響するかを特定するため、相関分析が使用された。この研究では、自己相関係数（ACC）が減少するにつれて（つまり、時間の間に類似性が少なくなるにつれて）、予測性能が低下することがわかった。さらに、ACCの空間標準偏差も予測性能に影響することが示された。
– ピアソン相関係数（PCC）分析を行い、空間が予測性能に与える影響を調べた。PCC分析により、地域的な幾何学的および季節的な風条件が予測モデルの予測能力に影響を与えることを示した。

要約(オリジナル)

This study investigates the impact of spatiotemporal data dimensions on the precision of a wind forecasting model developed using an artificial neural network. Although previous studies have shown that incorporating spatial data can enhance the accuracy of wind forecasting models, few investigations have explored the extent of the improvement owing to different spatial scales in neural network-based predictive models. Additionally, there are limited studies on the optimal temporal length of the input data for these models. To address this gap, this study employs data with various spatiotemporal dimensions as inputs when forecasting wind using 3D-Convolutional Neural Networks (3D-CNN) and assesses their predictive performance. The results indicate that using spatial data of the surrounding area for 3D-CNN training can achieve better predictive performance than using only single-point information. Additionally, multi-time data had a more positive effect on the predictive performance than single-time data. To determine the reasons for this, correlation analyses were used to determine the impact of the spatial and temporal sizes of the training data on the prediction performance. The study found that as the autocorrelation coefficient (ACC) decreased, meaning that there was less similarity over time, the prediction performance decreased. Furthermore, the spatial standard deviation of the ACC also affects the prediction performance. A Pearson correlation coefficient (PCC) analysis was conducted to examine the effect of space on the prediction performance. Through the PCC analysis, we show that local geometric and seasonal wind conditions can influence the forecast capability of a predictive model.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI