Компьютерные науки > Машинное обучение [представлено 26 октября 2026 года] Название: A Graph-sydent Kriging модель для выборочной оптимизации ветряных хозяйств View PDF HTML (экспериментальный) резюме: оптимизация планировки ферм Wind становится все более сложной по мере роста числа турбин, особенно при использовании высокодостоверных аэродинамических моделей. Обычная оптимизация на основе байесов в рамках системы Кригинга часто страдает от низкой эффективности выборки в высокомерных пространствах компоновки, поскольку ограниченные данные о подготовке обеспечивают ограниченный охват доменов. Мы разрабатываем систему Граф-информации Кригинга, которая встраивает многоразовую аэродинамическую информацию о взаимодействии в суррогатную среднюю функцию. Ветряная ферма представлена в качестве аэродинамического графика, где взаимодействие двух турбин, определенное в низкомерном относительно-координационном пространстве, сводится к среднему размеру фермы. Это структурированное среднее значение отражает доминирующие колебания в годовом производстве энергии (АЭП), что позволяет гауссианскому процессу моделировать только остаточную структуру и неопределенность. Цифровые эксперименты показывают, что система Граф-информации Kriging последовательно повышает точность прогнозирования AEP по сравнению с обычной и непатентованной теневой системой кригинга в условиях ограниченности данных при увеличении выгод по мере увеличения масштабов компоновки и усиления взаимодействия. Благодаря…
Модель кригинга, основанная на графике для эффективной выборки байезийской оптимизации планировки ветряных ферм
arXiv: 261 030,35975v1 Аннонс Тип: новая резюме: оптимизация планировки ветряных ферм становится все более сложной по мере увеличения количества турбин, особенно при использовании высокоточных аэродинамических моделей. Обычная оптимизация на основе байесов в рамках системы Кригинга часто страдает от низкой эффективности выборки в высокомерных пространствах компоновки, поскольку ограниченные данные о подготовке обеспечивают ограниченный охват доменов. Мы разрабатываем систему Граф-информации Кригинга, которая встраивает многоразовую аэродинамическую информацию о взаимодействии в суррогатную среднюю функцию. Ветряная ферма представлена в качестве аэродинамического графика, где взаимодействие двух турбин, определенное в низкомерном относительно-координационном пространстве, сводится к среднему размеру фермы. Это структурированное среднее значение отражает доминирующие колебания в годовом производстве энергии (АЭП), что позволяет гауссианскому процессу моделировать только остаточную структуру и неопределенность. Цифровые эксперименты показывают, что графически информированный Кригинг последовательно повышает точность прогнозов АЭП по сравнению с обычными и генами