MétaCan
Menu
Retour à la cohorte
Enregistrement W2974167687 · doi:10.1063/1.5094808

Clear-sky direct normal irradiance estimation based on adjustable inputs and error correction

2019· article· en· W2974167687 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Renewable and Sustainable Energy · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueSolar Radiation and Photovoltaics
Établissements canadiensSaint Mary's University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésSkyIrradianceComputer scienceSolar irradianceMean squared errorErrors-in-variables modelsError detection and correctionRemote sensingStatisticsMeteorologyAlgorithmMathematicsMachine learningGeographyOptics

Résumé

récupéré en direct d'OpenAlex

The accurate estimation of direct normal irradiance (DNI) under clear sky conditions plays an important role in the concentrated solar thermal plant. A hybrid model with adjustable inputs is proposed to calculate the clear-sky DNI, including a base clear-sky model and an error-correction model. The base clear-sky model is able to estimate the clear-sky DNI at any place with only the local date and location information, and the error-correction model serves as a supplementary to improve the calculating accuracy with available meteorological data. The error-correction model effectively integrates a linear part and a nonlinear part, and its inputs are adjustable according to the available meteorological observations. Several experiments have been conducted to evaluate the performance of the proposed model with data from three observation stations provided by the National Renewable Energy Laboratory open database. The results show that the hybrid model is able to provide great improvement over the base clear-sky model with 28%–70% on normalized root mean square error, and it also performs better than those using a linear or nonlinear error correction model. It is concluded that the performance of the hybrid model is comparable with other published methods in calculating the clear-sky DNI with concrete statistics.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,679
Score d'incertitude au seuil0,485

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,005
Tête enseignante GPT0,204
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle