SciELO - Scientific Electronic Library Online

 
vol.21 issue1Long-term prediction of wind speed in La Serena City (Chile) using hybrid neural network-particle swarm algorithmEmpirical Correlations for the Swelling Pressure of Expansive Clays in the City of Barranquilla, Colombia author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Earth Sciences Research Journal

Print version ISSN 1794-6190

Abstract

DENG, Hua et al. Predicción de vientos en una altiplanicie a la altura del eje con el esquema de la Universidad Yonsei/Modelo Superficie Terrestre Noah y la predicción estadística. Earth Sci. Res. J. [online]. 2017, vol.21, n.1, pp.37-43. ISSN 1794-6190.  https://doi.org/10.15446/esrj.v21n1.63004.

La estimación de la energía eólica está relacionada con la predicción en la variación de los vientos en pequeños intervalos de tiempo. Se seleccionaron cuatro torres eólicas ubicadas al interior de Mongolia para estudiar los recursos eólicos en la complejidad de un altiplano. Se utilizó la investigación climática a mesoscala y la combinación del esquema de la Universidad Yonsei con el Modelo de Superficie Terrestre Noah (WRF/YSU/Noah), con resolución de 1km horizontal y 10 minutos, como el modelo numérico de predicción meteorológica (NWP, del inglés Numerical Weather Prediction). Se utilizaron tres técnicas estadísticas, persistencia, propagación hacia atrás en redes neuronales artificiales y máquina de vectores de soporte-mínimos cuadrados (LS-SVM, del inglés Least Square Support Vector Machine), para mejorar la predicción de la velocidad del viento en una turbina con la altura del eje a 70 metros y se complementó con los resultados del WRF/YSU/Noah. Las técnicas de predicción físico-estadísticas actuales tienen un buen desempeo en tres escalas de tiempo: (1) corto plazo, un día en adelante; (2) mediano plazo, de seis días en adelante; (3) cercano, una hora en adelante. Este método de predicción, que combina los resultados WRF/YSU/Noah con los métodos de persistencia y LS-SVM incrementa la precisión de predicción entre 26,3 y 49,4 por ciento, comparado con los resultados directos del modelo numérico WRF/YSU/Noah. Además, este método diferencia la variabilidad de las estaciones y el ciclo diurno en la velocidad y la dirección del viento.

Keywords : Predicción del viento; esquema de la Universidad Yonsei combinado con el Modelo de Superficie Terrestre Noah (WRF/ YSU/Noah); propagación hacia atrás en redes neuronales artificiales; máquina de vectores de soporte-mínimos cuadrados.

        · abstract in English     · text in English     · English ( pdf )