Predicción del viento con procesos gaussianos

Manejo de grandes conjuntos de datos en Gaussiano

Procesos para el vector estadístico del viento. Predicción

Métodos

Introducción

La dispersión atmosférica como motivación

Modelo estadístico de PNT formando un modelo híbrido

Utiliza GP

Selección de regresor

Mediante ProOpter IVS

Modelado de procesos gaussianos

Simulación

Método Monte Carlo

Resultados

Modelos con selección de conjunto de entrenamiento inteligente

Solo puntos de datos con regresión completa

Se utilizan vectores

Modelos con menos regresores

Discusión

Método de distancia

Evita la extrapolación

Mejora el comportamiento modelo

Conclusiones

Modelo GP-NARX

Usar un subconjunto de datos seleccionado al azar para el entrenamiento.

Exploración adicional indica que para el sistema dado y el número permitido de puntos de datos de entrenamiento, hay resultados aleatorios