深層学習によるマルチホライズン日射のナウキャスティング：空画像を活用する3手法の比較評価

Abstract

本研究では、全視野イメージャ（ASI）画像を深層学習（DL）の日射照度ナウキャスティングに組み込む3つの異なる方法を調査する。第1の方法は、畳み込みニューラルネットワーク（CNN）を用いて生のRGB画像から直接特徴を抽出する。第2の方法では、クラウドのセグメンテーション、雲の移動ベクトル、太陽位置、雲底高度などの領域知識に基づいて2次元の特徴マップを設計するための最先端アルゴリズムを用いる。これらの特徴マップは、その後、CNNに入力されて複合的な特徴を抽出する。最終の方法は、設計した2次元特徴マップを時系列入力として集約することに依存する。続いて、3つの方法はいずれも、高頻度な29日間データセットで学習したDLモデルの一部として用いられ、最大15分先までの全球水平日射照度の複数ホライズン予測を生成した。モデルは、選定した7日分のデータを用いて、二乗平均平方根誤差（RMSE）とスキルスコアによって評価した。モデル入力として集約した設計済みASI特徴は、より優れた予測性能を示した。これにより、ASI画像をDLナウキャスティングモデルへ組み込むことが、複雑な空間順序付けを伴うDLアーキテクチャや入力なしで可能であることが示された。さらに、代替の画像処理手法の可能性に加え、空間的なDL特徴処理を改善するための潜在的な機会が示唆される。