کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4924862 1431099 2017 22 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A hybrid Bayesian Kalman filter and applications to numerical wind speed modeling
ترجمه فارسی عنوان
یک فیلتر ترکیبی بالیس کلمن و برنامه های کاربردی برای مدل سازی سرعت باد عددی
کلمات کلیدی
استنتاج بیزی، فیلتر کالمن، مدلسازی اتمسفر عددی،
ترجمه چکیده
یک تکنیک بهینه سازی ترکیبی جدید برای مدل های شبیه سازی محیطی عددی پیشنهاد شده و آزمایش شده در این کار است. مدل سازی بیزی در رابطه با یک فیلتر غیرخطی کالمن به سمت یک الگوریتم جدید پردازش پست که برای شبیه سازی سرعت باد عددی استفاده می شود، استفاده می شود. مدل جدید بر روی داده های ایده آل شده و همچنین بر اساس پیش بینی های مدل عددی منجر به نتایج امیدوار کننده و حمایت از هر دو کاهش تعصب های سیستماتیک، اما همچنین محدودیت قابل توجهی از تغییرات خطا و عدم اطمینان پیش بینی مربوطه، نقطه ای که فیلترینگ فیلتر کلمن معمولا شکست می خورد برای کمک به
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
چکیده انگلیسی
A new hybrid optimization technique for numerical environmental simulation models is proposed and tested in this work. Bayesian modeling is utilized in conjunction with a nonlinear Kalman filter towards a novel post process algorithm applied to numerical wind speed simulations. The new model is tested on idealized data as well as on numerical model forecasts leading to promising results and supporting both the reduction of systematic biases but also the significant limitation of the error variability and the associated forecast uncertainty, a point where classical Kalman filters usually fail to contribute.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Wind Engineering and Industrial Aerodynamics - Volume 167, August 2017, Pages 1-22
نویسندگان
, , ,