ঋতু জুড়ে সৌর বিকিরণ ভবিষ্যদ্বাণীতে পক্ষপাতের ধরণ বোঝা

লিঙ্কের টেবিল

বিমূর্ত এবং ভূমিকা

ডেটা

বায়েসিয়ান হায়ারার্কিক্যাল মডেল (BHM)

সৌর বিকিরণ উদাহরণ

ফলাফল

উপসংহার

পরিশিষ্ট A: সিমুলেশন স্টাডি

পরিশিষ্ট বি: রেগ্রিডিং সহগ অনুমান

তথ্যসূত্র

5 ফলাফল

এখানে উপস্থাপিত ফলাফলগুলি সেক্টে বর্ণিত মেট্রিকগুলির সংক্ষিপ্ত বিবরণ দেয়৷ 4. প্রকৃত সহগগুলি জানা না থাকায়, আমরা একটি সিমুলেশন অধ্যয়নের সাথে বিশ্লেষণের পরিপূরক করেছি৷ এই অধ্যয়নের নকশা এবং ফলাফলগুলি পরিশিষ্ট A-তে দেওয়া হয়েছে।

5.1 মডেল সহগগুলির পোস্টেরিয়র ডিস্ট্রিবিউশন

পোস্টেরিয়র ডিস্ট্রিবিউশন থেকে ফলাফলের প্যারামিটার অনুমান অবস্থান এবং সহগ দ্বারা পরিবর্তিত হয়। এখানে আমরা প্যারামিটার বায়াসকে নির্দোষ অনুমানের মধ্যে পার্থক্য হিসাবে উল্লেখ করব এবং এটি বায়েসিয়ান বিশ্লেষণের উপর ভিত্তি করে। সাধারণভাবে, ন্যাভ রেগ্রিডিং মডেল সহগ অনুমানগুলি সংশ্লিষ্ট সহগের জন্য পোস্টেরিয়র ডিস্ট্রিবিউশনের 95% বিশ্বাসযোগ্য ব্যবধানের মধ্যে। চারটি ভিন্ন মাস জুড়ে ক্যালিফোর্নিয়ার উপকূলরেখার কাছাকাছি একটি অবস্থানের জন্য নিষ্পাপ রেগ্রিডিং অনুমানের তুলনায় বিতরণের একটি উদাহরণ চিত্র 2-এ দেখা যেতে পারে। সবুজ রেখাগুলি সাদাসিধে রেগ্রিডিং পদ্ধতি এবং বেগুনিটি বায়েসিয়ান রেগ্রিডিং পদ্ধতির প্রতিনিধিত্ব করে। সাধারণভাবে, বিন্দু বা মধ্যকার সহগ অনুমানের পাশাপাশি আত্মবিশ্বাস বা বিশ্বাসযোগ্য ব্যবধানে দুটি পদ্ধতির মধ্যে দৃঢ় চুক্তি রয়েছে যা প্রস্তাব করে যে রেগ্রিডিং পদক্ষেপের সাথে সম্পর্কিত অনিশ্চয়তা অন্তর্ভুক্ত করা মডেল অনুমানের উপর সামান্য প্রভাব ফেলে। যাইহোক, আগস্ট মাসে (নীচে বাম দিকের প্লট) আমরা WRF সহগের জন্য একটি কেস দেখতে পাই যেখানে পদ্ধতিগুলি একমত নয় এবং এই পক্ষপাতটি ইন্টারসেপ্ট অনুমানের দ্বারা অফ-সেট করা হয়েছে। WRF সহগ-এর এই পক্ষপাত আগস্ট মাসের জন্য অনেক জায়গায় দেখা গেছে।

বিবেচিত সমগ্র এলাকার জন্য, অবস্থানের ভিত্তিতে গড় পক্ষপাত চিত্র 3-এ দেখানো হয়েছে। পক্ষপাত নির্ণয় করা হয়েছে নির্দোষ রেগ্রিডিং অনুমান থেকে বিএইচএম অনুমান বিয়োগ হিসাবে। শূন্যের কাছাকাছি মান দুটি পদ্ধতির মধ্যে সামান্য পার্থক্য নির্দেশ করে। নেতিবাচক মানগুলি নির্দেশ করে যে BHM মডেলটিকে একটি শক্তিশালী ওজন দিচ্ছে৷ পক্ষপাতের স্থানিক নিদর্শন নভেম্বর মাসের জন্য সবচেয়ে বেশি উচ্চারিত হয় এবং আগস্ট মাসের জন্যও বড়। নভেম্বরে, CRCM5-UQAM এবং WRF সহগের মধ্যে গড় পক্ষপাত তাদের লক্ষণে স্থানিকভাবে বিপরীত কিন্তু উভয়ই শূন্যের কাছাকাছি থাকে। এখানে, আমরা দেখতে পাচ্ছি যে নিষ্পাপ পদ্ধতি এবং BHM আগস্ট মাসে WRF সহগ-এর জন্য সবচেয়ে বেশি একমত নয়, নিষ্পাপ পদ্ধতির ফলে BHM-এর তুলনায় WRF-এর ওজন অনেক বেশি। অতিরিক্ত রেফারেন্সের জন্য, আনুমানিক সহগ অনুমান এবং মানক ত্রুটিগুলি পরিশিষ্ট বি-তে দেওয়া হয়েছে।

5.2 পূর্বাভাস কভারেজ এবং ত্রুটি তুলনা

নিষ্পাপ রেগ্রিডিংয়ের ভবিষ্যদ্বাণী কভারেজটি রৈখিক মডেলের পূর্বাভাসের ব্যবধানের মধ্যে থাকা পর্যবেক্ষণের শতাংশ হিসাবে গণনা করা হয়। এটি বিবেচনা করা চার মাসের প্রতিটির জন্য অবস্থান অনুসারে গণনা করা হয়। বিএইচএম থেকে প্রাপ্ত কভারেজ গণনা করার জন্য অনুরূপ পদ্ধতি প্রয়োগ করা হয়। আমরা চিত্র 4-এ চতুর্থ মাসের ফলাফল দেখাই। উল্লেখ্য যে দেখানো চিত্রে, রিপোর্ট করা শতাংশ কভারেজ প্রতি বছর ধরে রাখার জন্য একটি গড় এবং 0.95 এর নামমাত্র স্তর থেকে পার্থক্য হিসাবে দেখানো হয়েছে। আমরা নিষ্পাপ রেগ্রিডিংয়ের তুলনায় নমুনা কভারেজের বাইরের জন্য অনুরূপ ফলাফল দেখতে পাই।

একইভাবে, ভবিষ্যদ্বাণীকৃত GHI এবং সত্যিকার GHI-এর মধ্যে RMSE অগস্টের জন্য অধ্যয়ন ডোমেন জুড়ে কম, এটি নিষ্পাপ রেগ্রিডিং মডেল এবং BHM উভয় ক্ষেত্রেই নভেম্বরের তুলনায় কম, যা শীতের মাসের তুলনায় গ্রীষ্মের মাসের জন্য আরও ভাল ভবিষ্যদ্বাণী নির্দেশ করে। এটি চিত্র 5 এ দেখানো হয়েছে। এই অনুসন্ধানটি মৌসুমী সৌর বিকিরণের একটি বৈশিষ্ট্য প্রতিফলিত করতে পারে। গ্রীষ্মের মাসগুলিতে ইনকামিং সৌর বিকিরণ সাধারণত মাসিক বা ঋতু ভিত্তিতে বিবেচনা করার সময় কম আদর্শ বিচ্যুতি থাকে

ক্যালিফোর্নিয়ায় শীতকালে, এটি নির্দেশ করে যে দিনের প্রকারের (যেমন মেঘলা বনাম রৌদ্রোজ্জ্বল) বা শীতের তুলনায় গ্রীষ্মকালে আগত সৌর বিকিরণের পরিমাণ কম পরিবর্তনশীল। অতএব, এটা বোঝা যায় যে গ্রীষ্মের মাসগুলিতে ভবিষ্যদ্বাণীগুলির RMSE কম থাকে কারণ সেই মরসুমে কোভেরিয়েবল এবং প্রতিক্রিয়ার পরিবর্তনশীলতা কম থাকে। RMSE মানগুলি দেখানো চার মাস জুড়ে BHM-এর তুলনায় নিষ্পাপ রেগ্রিডিংয়ের জন্য কম। যখন রিগ্রিডিং অনিশ্চয়তাকে বিবেচনায় নেওয়া হয়, তখন পূর্বাভাসিত GHI মানগুলিতে একটি উচ্চতর ত্রুটি থাকে যখন পূর্বাভাস সরাসরি অনিশ্চয়তাকে বিবেচনা না করে করা হয়। এটি একটি আকর্ষণীয় অনুসন্ধান যে এটি কোনও অনিশ্চয়তা বিবেচনা না করে সরাসরি ভবিষ্যদ্বাণী করার পরামর্শ দেয় আরও সঠিক বিন্দু ভবিষ্যদ্বাণী তৈরি করতে পারে তবে অনিশ্চয়তা পুনর্গঠন করা বিএইচএম-এ দেখা চূড়ান্ত বিন্দু অনুমানের অতিরিক্ত পরিবর্তনশীলতা অবদান রাখে।