Numer: 04/2025 Str. 41
Autorzy: Oleksandr Savchenko , Huthaifa Al-issa , Oleksandr Miroshnyk , Iryna Trunova , Oleksandr Moroz , Oleksandr Kozlovskyi , Andriy Volobuyev , Dmytro Yermak , Taras Shchur , Serhii Stepenko , Hristo Beloev , Paweł Kiełbasa :
Tytuł: SolarM2P: głęboka sieć neuronowa typu mapa-punkt do przetwarzania końcowego numerycznych prognoz pogody opartych na natężeniu promieniowania słonecznego
Streszczenie: W tym artykule zaproponowano głęboką splotową sieć neuronową SolarM2P, która implementuje podejście od mapy do punktu do postprocessingu prognoz natężenia promienienia słonecznego w oparciu o modele numerycznych prognoz pogody (NWP). Uczenie i testowanie sieci neuronowej przeprowadzono na danych archiwalnych prognoz natężenia promieniowania słonecznego Globalnego Systemu Prognoz (GFS) na lata 2015-2023 dla części północno-wschodniego regionu Ukrainy. Pokazano, że względny błąd średniokwadratowy (rRMSE) zmniejsza się z 40,4% dla najlepszych podstawowych metod postprocessingu do 33,8% dla opracowanego podejścia.
Słowa kluczowe: statystyki wyjściowe modelu; numeryczne prognozowanie pogody; prognozowanie natężenia promieniowania słonecznego.