研究提出用于太阳辐照度预测的两阶段残差学习方法

1. 13:00
   arXiv 机器学习

   两阶段残差学习用于太阳辐照度预测的不确定性校准

   研究人员提出一种两阶段残差学习方法，先通过 LSTM 网络预测期望太阳辐照度，再利用第二个网络单独建模预测误差分布以同时输出预测值与不确定性。在国家太阳辐射数据库的历史数据测试中，该方法使独立 LSTM 的预测标准差偏差降低了 34.6%，与高斯过程回归结合时偏差降低了 56.5%。

Current heat 9·Comparable peak 10（Nov 6 14:00）·Comparable change, last 24 hours–

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.