Ensemble of artificial neural networks for seasonal forecasting of wind speed in eastern Canada

Leminski, Pia Milena (2024). Ensemble of artificial neural networks for seasonal forecasting of wind speed in eastern Canada Mémoire. Québec, Université du Québec, Institut national de la recherche scientifique, Maîtrise en sciences de la terre, 52 p.

	PDF Document sous embargo jusqu'à 11 mars 2025. Télécharger (5MB)
	Archive (ZIP) Document sous embargo jusqu'à 11 mars 2025. Télécharger (54MB)

Résumé

L’exploitation efficace des ressources en énergie éolienne, y compris les progrès dans les méthodes de prévision saisonnière et d’analyse des tendances, est impérative pour le progrès durable de la production d’énergie éolienne. Alors que les données relatives aux températures et aux précipitations font l’objet d’une attention considérable dans l’analyse des tendances, il existe une lacune notable dans l’exploration des corrélations entre les indices climatiques et la vitesse du vent. Cet article propose l’utilisation d’un ensemble de réseaux neuronaux artificiels pour prévoir les vitesses du vent sur la base des indices d’oscillation du climat et évalue ses performances. Un premier examen indique un signal de corrélation entre les indices climatiques et les vitesses du vent d’ERA5 pour l’étude de cas sélectionnée dans l’est du Canada. Les prévisions sont faites pour la saison avril-mai-juin et sont basées sur les indices climatiques les plus corrélés des saisons précédentes. Une prédiction ponctuelle est effectuée avec un ensemble de 20 membres, qui est vérifié par validation croisée de type "leave-on-out". Les résultats obtenus sont analysés en termes d’erreur quadratique moyenne, de biais et de score de compétence et montrent une performance compétitive avec les prévisions numériques de vent de pointe de SEAS5, les surpassant dans plusieurs régions. Un modèle relativement basique avec une seule unité dans la couche cachée et un taux de régularisation de 10−2 fournit des résultats prometteurs, en particulieren particulier dans les régions où le nombre d’indices pris en compte est plus élevé. Cette étude s’inscrit dans le cadre des efforts déployés au niveau mondial pour améliorer la précision des prévisions en introduisant une nouvelle approche.

Type de document:	Thèse Mémoire
Directeur de mémoire/thèse:	Ouarda, Taha B.M.J.
Co-directeurs de mémoire/thèse:	Gylfason, Armann
Mots-clés libres:	Vent ; EANN ; prévisions saisonnières ; ERA5
Centre:	Centre Eau Terre Environnement
Date de dépôt:	12 nov. 2024 19:54
Dernière modification:	12 nov. 2024 19:54
URI:	https://espace.inrs.ca/id/eprint/16035

Gestion Actions (Identification requise)

Modifier la notice