Cloud cover-based models for estimation of global solar radiation: A review and case study
Notice bibliographique
Résumé
Solar radiation data are essential information for designing and studying various engineering systems such as building thermal performance, photovoltaics, solar thermal systems, and passive solar design. Several empirical models have been developed to simulate the available solar radiation on the earth’s surface. This article presents a comprehensive review of cloud cover-based solar radiation models (CSRMs) for estimating the hourly global solar radiation (GSR). Many of these models have been developed according to the Angstrom–Prescott relationship for solar radiation and are mainly used to estimate the monthly average daily total solar radiation. Based on the comprehensive review of CSRMs, it could be stated that the Kasten-Czeplak model and the Lam-Li model are comparatively straightforward and precise for estimating the hourly GSR. Furthermore, the study evaluated the selected model (Lam-Li model) to estimate the hourly GSR on the horizontal surfaces for four different cities in Canada. Results revealed that the original Lam-Li model performs within an acceptable range based on the statistical indices (R2 = 0.77–0.80 and rRMSE = 39.7–44.0%); however, the performance of the newly modified model (M2) from this study performs significantly better (R2 = 0.8–0.82 and rRMSE = 3.65–39.5%) than the original model (M1).
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».