-
生物通官微
陪你抓住生命科技
跳动的脉搏
生物通官微
陪你抓住生命科技
跳动的脉搏
使用3D-CNN和β-VAE对朝鲜半岛上风速场进行时空建模，以实现概率预测
《Environmental and Ecological Statistics》：Spatiotemporal modeling of wind speed fields over the Korean Peninsula using 3D-CNN and \(\beta\) -VAE for probabilistic forecasting
【字体： 大 中 小 】 时间：2026年03月14日 来源：Environmental and Ecological Statistics 1.8
编辑推荐：
风速场时空建模优化及预测研究
准确且具有不确定性意识的时空风速场建模对于优化风能运营和确定合适的风力涡轮机部署地点至关重要。本研究提出了一种基于3D-CNN与β-变分自编码器（β-VAE）的数据驱动生成框架，用于生成韩国半岛1小时前的风场概率预测。五年期的ERA5数据集被分为三年用于训练，随后两年用于验证和测试。三维卷积用于捕捉空间和时间依赖性，参数β用于控制重建精度与潜在空间正则化之间的平衡。敏感性分析表明，β=0.01为预测提供了良好的平衡。通过使用均方根误差、连续排名概率分数、变异图分数和基于概率积分变换的诊断方法，我们评估了训练模型，发现该模型能够再现观测风场的集合统计特性和空间依赖结构。该模型还产生了相当精确的概率预测结果。与ConvLSTM β-VAE和2D-CNN β-VAE基线模型相比，3D-CNN β-VAE在1小时预测时间内具有可比的预测能力，并且在更长的预测时间内表现出显著更好的概率预测性能和空间一致性。这些结果表明，3D-CNN β-VAE可以作为海上风能资源评估和短期风力涡轮机运营规划的可扩展工具。
准确且具有不确定性意识的时空风速场建模对于优化风能运营和确定合适的风力涡轮机部署地点至关重要。本研究提出了一种基于3D-CNN与β-变分自编码器（β-VAE）的数据驱动生成框架，用于生成韩国半岛1小时前的风场概率预测。五年期的ERA5数据集被分为三年用于训练，随后两年用于验证和测试。三维卷积用于捕捉空间和时间依赖性，参数β用于控制重建精度与潜在空间正则化之间的平衡。敏感性分析表明，β=0.01为预测提供了良好的平衡。通过使用均方根误差、连续排名概率分数、变异图分数和基于概率积分变换的诊断方法，我们评估了训练模型，发现该模型能够再现观测风场的集合统计特性和空间依赖结构。该模型还产生了相当精确的概率预测结果。与ConvLSTM β-VAE和2D-CNN β-VAE基线模型相比，3D-CNN β-VAE在1小时预测时间内具有可比的预测能力，并且在更长的预测时间内表现出显著更好的概率预测性能和空间一致性。这些结果表明，3D-CNN β-VAE可以作为海上风能资源评估和短期风力涡轮机运营规划的可扩展工具。
