×
Jeong、Jaehong;斯特凡诺·卡斯特鲁西奥;保罗·克里帕;马克·根顿（Marc G.Genton）。

利用随机发电机减少全球风电机组的存储。 （英语） Zbl 1393.62123号

附录申请。斯达。 12，第1号，490-509（2018）.
概述：风能有潜力对未来能源做出重大贡献。然而，鉴于难以存储现代计算机模型生成的超大数据集，在全球范围内确定可再生能源的来源极为困难。我们提出了一个统计模型，旨在通过全球年度风数据的随机发生器（SG）再现运行集合的数据生成机制。我们引入了一种基于大规模地理描述符（如海拔）的具有空间变化参数的进化谱方法，以更好地解释地球地形的不同状态。我们考虑一种多步骤条件似然方法来估计明确说明非平稳特征的参数，同时平衡内存存储和分布式计算。我们将所提出的模型应用于每年超过1800万个全球风速点。即使将有效的有损数据压缩算法应用于模拟输出，所提出的SG从风中生成替代系综成员所需的存储量也比从气候模型中创建额外的风场所需的存储量少几个数量级。

引用于12文件

MSC公司：

62页第12页 统计在环境和相关主题中的应用
62立方米 空间过程推断

关键词：

轴向对称性;非平稳性;时空协方差模型;球;随机发生器;地面风速
PDF格式BibTeX公司 XML格式引用
\textit{J.Jeong}等人，Ann.Appl。Stat.12，No.1，490--509（2018；Zbl 1393.62123）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Baker，A.H.、Xu，H.、Dennis，J.M.、Levy，M.N.、Nychka，D.、Mickelson，S.A.、Edwards，J.、Vertenstein，M.和Wegener，A.（2014）。评估数据压缩对气候模拟数据影响的方法。第23届高性能并行和分布式计算国际研讨会论文集，HPDC’14 203-214。ACM公司。
[2] Baker，A.H.、Hammerling，D.M.、Mickelson，S.A.、Xu，H.、Stolpe，M.B.、Naveau，P.、Sanderson，B.、Ebert-Uphoff，I.、Samarasinghe，S.、De Simone，F.、Carbone，F.，Gencarelli，C.N.、Dennis，J.M.、Kay，J.E.和Lindstrom，P.（2016）。在大型集合内评估气候模拟数据的有损数据压缩。地质科学。型号Dev.9 4381-4403。
[3] Banuelos-Ruedas，F.、Angeles-Camacho，C.和Rios-Marcuello，S.（2011年）。不同高度风速数据外推方法及其在区域风能资源评估中的影响。INTECH开放访问发布器。
[4] Barthemie，R.J.和Pryor，S.C.（2014）。风能对减缓气候变化的潜在贡献。自然气候变化4 684-688。
[5] Betts，A.K.和Ridgway，W.（1988年）。赤道太平洋上空辐射通量、对流通量和表面通量的耦合。J.大气。科学45 522-536。
[6] Blyth，S.、Groombridge，B.、Lysenko，I.、Miles，L.和Newton，A.（2002年）。山地观察：山区环境变化与可持续发展。UNEP-WCMC，剑桥。
[7] Bolin，D.和Lindgren，F.（2011年）。嵌套随机偏微分方程生成的空间模型，应用于全球臭氧绘图。附录申请。统计数据523-550·Zbl 1235.60075号
[8] Branstator，G.和Teng，H.（2010年）。CGCM中初值十年可预测性的两个极限。J.气候23 6292-6311。
[9] Castruccio，S.和Genton，M.G.（2014）。超越轴对称：一类改进的全球数据模型。统计数据3 48-55。
[10] Castruccio，S.和Genton，M.G.（2016年）。使用统计模型压缩集合：全球3D时空温度算法。技术计量58 319-328。
[11] Castruccio，S.和Guinness，J.（2017年）。将大规模地理描述符纳入全球过程的进化谱方法。J.R.统计社会服务。C.申请。统计数字66 329-344。
[12] Castruccio，S.和Stein，M.L.（2013）。气候集合的全球时空模型。附录申请。统计数据7 1593-1611·Zbl 1454.62436号
[13] Clarke，J.、Alegria，a.和Porcu，E.（2016）。高斯随机场在球面交叉时间上的正则性和模拟。ArXiv预打印ArXiv:1611.02851。
[14] Collins，M.（2002）。年际至十年尺度上的气候可预测性：初值问题。攀登。动力学19 671-692。
[15] Collins，M.和Allen，M.R.（2002年）。评估初始和边界条件在年际至十年气候可预测性中的相对作用。J.气候15 3104-3109。
[16] Das，B.（2000年）。全局协方差建模：各向异性的变形方法。华盛顿大学博士论文。
[17] Davis，P.J.（1979年）。循环矩阵。纽约威利·Zbl 0418.15017号
[18] Gastineau，G.、Li，L.和Le Treut，H.（2009年）。理想化大气模拟所描述的全球变暖条件下的哈德利和沃克环流变化。J.气候22 3993-4013。
[19] Gneiting，T.（2013）。球面上严格和非严格正定函数。伯努利19 1327-1349·Zbl 1283.62200号
[20] 吉尼斯·J和哈默林·D（2017）。气候模型输出的压缩和条件模拟。J.Amer。统计师。关联显示·Zbl 1398.68157号
[21] 希顿，M.J.、卡茨福斯，M.、贝勒特，C.和尼希卡，D.W.（2014）。使用核卷积在球面上构造有效的空间过程。环境计量学25 2-15。
[22] Hitchzenko，M.和Stein，M.L.（2012年）。球面上各向异性过程的一些理论。统计方法9 211-227·Zbl 1248.60040号
[23] Jeong，J.、Jun，M.和Genton，M.G.（2017年）。全球空间统计的球形过程模型。统计师。科学32 501-513·Zbl 1381.62091号
[24] Jeong，J.、Castruccio，S.、Crippa，P.和Genton，M.G.（2018年）。补充“使用随机发电机减少全球风电集合的存储”DOI:10.1214/17-AOAS1105SUPP·Zbl 1393.62123号
[25] Jones，R.H.（1963年）。球面上的随机过程。安。数学。统计数字34 213-218·Zbl 0202.46702号
[26] Jun，M.（2011）。全球多变量过程的非静态互协方差模型。扫描。《美国联邦法律大全》第38卷第726-747页·Zbl 1246.91113号
[27] Jun，M.（2014）。全局过程的基于Matérn的非平稳互协方差模型。《多变量分析杂志》128 134-146·兹比尔1352.62146
[28] Jun，M.和Stein，M.L.（2007年）。一种在球体上生成时空协方差函数的方法。技术计量学49 468-479。
[29] Jun，M.和Stein，M.L.（2008）。全球数据的非平稳协方差模型。附录申请。统计数字2 1271-1289·Zbl 1168.62381号
[30] Kay，J.E.、Deser，C.、Phillips，A.、Mai，A.、Hannay，C.、Strand，G.、Arblaster，J.M.、Bates，S.C.、Danabasoglu，G.，Edwards，J.、Holland，M.、Kushner，P.、Lamarque，J.-F、Lawrence，D.、Lindsay，K.、Middleton，A.、Munoz，E.、Neale，R.、Oleson，K.，Polvani，L.和Vertenstein，M.（2015）。社区地球系统模型（CESM）大型集成项目：在存在内部气候变化的情况下研究气候变化的社区资源。牛市。Am.Meteorol公司。Soc.96 1333-1349。
[31] Lindgren，F.、Rue，H.和Lindström，J.（2011）。高斯场和高斯-马尔可夫随机场之间的明确联系：随机偏微分方程方法。J.R.统计社会服务。B.统计方法73 423-498·Zbl 1274.62360号
[32] Lorenz，E.N.（1963年）。确定性非周期流动。J.大气。科学.20 130-141·Zbl 1417.37129号
[33] Ma，C.（2015）。所有球体上的各向同性协方差矩阵函数。数学。地质学47 699-717·Zbl 1323.62092号
[34] McInnes，K.L.、Erwin，T.A.和Bathols，J.M.（2011）。全球气候模型预测了由于人为气候变化导致的10米风速和风向的变化。大气。科学。第12封325-333。
[35] Mearns，L.、Hulme，M.、Carter，T.、Leemans，R.、Lal，M.和Whetton，P.（2001）。气候情景开发。《2001年气候变化：科学基础》。剑桥大学出版社，剑桥。
[36] Moomaw，W.、Yamba，F.、Kamimoto，M.、Maurice，L.、Nyboer，J.、Urama，K.和Weir，T.（2011年）。可再生能源和气候变化。IPCC《可再生能源和气候变化缓解特别报告》（O.Edenhofer、R.Pichs-Madruga、Y.Sokona、K.Seyboth、P.Matschoss、S.Kadner、T.Zwickel、P.Eickemier、G.Hansen和S.Schlömer编辑）161-208。剑桥大学出版社，剑桥。
[37] B.奥巴马（2017）。《清洁能源不可逆转的势头》，《科学》355 126-129。
[38] Poppick，A.和Stein，M.L.（2014）。使用协变量对非平稳、高频气象过程中的相关性进行建模。环境计量25 293-305。
[39] Porcu，E.、Bevilacqua，M.和Genton，M.G.（2016年）。球面上大圆距离的时空协方差和互协方差函数。J.Amer。统计师。协会111 888-898。
[40] Priestley，M.B.（1965年）。演化谱和非平稳过程。J.罗伊。统计师。Soc.序列号。乙204-237·兹比尔0144.41001
[41] Soman，S.S.、Zareipour，H.、Malik，O.和Mandal，P.（2010年）。综述了不同时间范围的风力和风速预测方法。北美电力研讨会（NAPS），2010年1-8月。电气与电子工程师协会。
[42] Stein，M.L.（2007）。全球臭氧柱总量的空间变化。附录申请。统计数字191-210·Zbl 1129.62115号
[43] Tagle，F.、Castruccio，S.、Crippa，P.和Genton，M.G.（2017年）。使用偏态t分布评估沙特阿拉伯的潜在风能资源。ArXiv预打印ArXiv:1703.04312。
[44] Taylor，K.E.、Stouffer，R.J.和Meehl，G.A.（2012年）。CMIP5概述和实验设计。牛市。Am.Meteorol公司。Soc.93 485-498。
[45] Tukey，J.W.（1967年）。数值谱分析计算导论。时间序列谱分析高级研讨会（B.Harris，ed.）25-46。纽约威利。
[46] van Vuuren，D.P.、Edmonds，J.、Kainuma，M.、Riahi，K.、Thomson，A.、Hibbard，K.和Hurtt，G.C.、Kram，T.、Krey，V.、Lamarque，J.-F.、Masui，T.和Meinshausen，M.，Nakienovic，N.、Smith，S.J.和Rose，S.K.（2011年）。代表性浓度途径：概述。攀登。更改109 5-31。
[47] Vaughan，R.A.和Cracknell，A.P.（2013）。遥感与全球气候变化24。施普林格科技与商业媒体。
[48] Wiser，R.、Yang，Z.、Hand，M.、Hohmeyer，O.、Infield，D.、Jensen，P.H.、Nikolaev，V.、O'Malley，M.，Sinden，G.和Zervos，A.（2011）。风能。IPCC可再生能源和气候变化缓解特别报告（O.Edenhofer、R.Pichs-Madruga、Y.Sokona、K.Seyboth、P.Matschoss、S.Kadner、T.Zwickel、P.Eickemier、G.Hansen和S.Schlömer编辑）535-608。剑桥大学出版社，剑桥。
[49] Xu，G.和Genton，M.G.（2017）。Tukey\（g\）-和-\（h\）随机域。J.Amer。统计师。协会112 1236-1249。
[50] Zhu，X.和Genton，M.G.（2012）。电力系统运行的短期风速预测。国际统计版次80 2-23·Zbl 1422.62339号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。