ترجمه فارسی مقاله رویکرد مکانی-زمانی برای پیش‌بینی باد شبکه‌ای با وضوح بالا در سراسر جنوب غربی استرالیای غربی

چکیده

Accurate wind speed and direction forecasting is paramount across many sectors, spanning agriculture, renewable energy generation, and bushfire management. However, conventional forecasting models encounter significant challenges in precisely predicting wind conditions at high spatial resolutions for individual locations or small geographical areas (< 20 km2) and capturing medium to long-range temporal trends and comprehensive spatio-temporal patterns. This study focuses on a spatial temporal approach for high-resolution gridded wind forecasting at the height of 3 and 10 metres across large areas of the Southwest of Western Australia to overcome these challenges. The model utilises the data that covers a broad geographic area and harnesses a diverse array of meteorological factors, including terrain characteristics, air pressure, 10-metre wind forecasts from the European Centre for Medium-Range Weather Forecasts, and limited observation data from sparsely distributed weather stations (such as 3-metre wind profiles, humidity, and temperature), the model demonstrates promising advancements in wind forecasting accuracy and reliability across the entire region of interest. This paper shows the potential of our machine learning model for wind forecasts across various prediction horizons and spatial coverage. It can help facilitate more informed decision-making and enhance resilience across critical sectors.

چکیده به فارسی (ترجمه ماشینی)

پیش بینی دقیق سرعت باد و جهت در بسیاری از بخش ها ، کشاورزی ، تولید انرژی تجدید پذیر و مدیریت آتش سوزی مهم است.با این حال ، مدل های پیش بینی معمولی با پیش بینی دقیق شرایط باد در وضوح مکانی بالا برای مکانهای فردی یا مناطق جغرافیایی کوچک (<20 کیلومتر مربع) و گرفتن روند زمانی متوسط ​​تا دوربرد و الگوهای جامع مکانی و مکانی ، با چالش های مهمی روبرو می شوند.این مطالعه بر روی یک رویکرد زمانی مکانی برای پیش بینی باد با وضوح بالا در ارتفاع 3 و 10 متر در مناطق بزرگ جنوب غربی استرالیا غربی برای غلبه بر این چالش ها متمرکز شده است.این مدل از داده هایی که یک منطقه جغرافیایی گسترده را در بر می گیرد استفاده می کند و مجموعه متنوعی از فاکتورهای هواشناسی ، از جمله ویژگی های زمین ، فشار هوا ، پیش بینی باد 10 متری از مرکز اروپا برای پیش بینی آب و هوای متوسط ​​و داده های مشاهده محدود از پراکنده توزیع شده را از آن استفاده می کند.ایستگاه های آب و هوایی (مانند پروفایل باد 3 متری ، رطوبت و دما) ، این مدل نشان دهنده پیشرفت های امیدوارکننده در دقت و قابلیت اطمینان پیش بینی باد در کل منطقه مورد علاقه است.در این مقاله پتانسیل مدل یادگیری ماشین ما برای پیش بینی باد در افق های مختلف پیش بینی و پوشش مکانی نشان داده شده است.این می تواند به تسهیل تصمیم گیری آگاهانه تر و تقویت مقاومت در بخش های مهم کمک کند. [sc name="papertranslation"][/sc]