机器学习用于模拟北大西洋真的存在,以支持美国中大西洋地区的海上风能开发
Jiaxiang Ji1, Jeeva Ramasamy2, Laura Nazzaro3
1Department of Industrial and Systems Engineering, Rutgers University, Piscataway, NJ, 08854, USA.
Scientific reports
|November 25, 2024
概括
准确的海上风能开发需要预测北大西洋真 (NARW) 的存在. 使用滑翔机和卫星数据的机器学习模型有效预测NARW分布,帮助保护工作.
科学领域:
- 海洋生物学 海洋生物学
- 保护科学 保护科学
- 可再生能源可再生能源是可再生能源.
背景情况:
- 美国中大西洋地区对于海上风能发展至关重要.
- 这个地区支持多样化的海洋生态系统,包括临灭绝的北大西洋真 (NARW).
- 负责任的海上风电开发需要高分辨率的NARW存在模型.
研究的目的:
- 开发一种机器学习方法来建模NARW的存在.
- 整合滑翔机和卫星数据,以准确,农场级预测.
- 支持中大西洋地区的可持续海上风能扩张.
主要方法:
- 利用来自9个滑翔机部署的局部观测.
- 应用机器学习模型 (基于树和集合) 来预测NARW的存在.
- 集成的滑翔机衍生垂直数据与基于卫星的表面测量.
主要成果:
- 基于树和集合的模型在预测NARW存在方面表现出高准确性.
- 模型在最小化错过和错误报警之间取得了平衡.
- 分析揭示了表面和垂直海洋学数据对于息地建模的重要性.
结论:
- 机器学习模型有效地预测了NARW的存在,使用了滑翔机和卫星数据的组合.
- 这些模型为海上风电开发商和运营商提供了有价值的工具.
- 这项研究开创了用于NARW建模的滑翔机和卫星数据的联合使用,数据和代码公开可用.
更多相关视频
08:15Author Spotlight: Unveiling Plankton Response to Climate Change Through Time-Series Data and Artistic Expression
Published on: July 28, 2023
1.2K
05:04Author Spotlight: Understanding Riverine Nitrogen Impacts and Primary Productivity for Effective Nutrient Management
Published on: July 14, 2023
351
