Buchumschlag

Turbine location-aware multi-decadal wind power predictions for Germany using CMIP6

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Effenberger, Nina, Ludwig, Nicole
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Atmospheric and Oceanic Physics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Bridging CORDEX and CMIP6: Machine Learning Downscaling for Wind and Solar Energy Droughts in Central Europe
von: Effenberger, Nina, et al.
Veröffentlicht: (2025)

The impact of the spatial resolution of wind data on multi-decadal wind power forecasts in Germany
von: Morelli, Sofia
Veröffentlicht: (2024)

Uncertainty in wind and solar projections depends on global and regional climate models
von: Effenberger, Nina, et al.
Veröffentlicht: (2026)

Selection of CMIP6 Models for Regional Precipitation Projection and Climate Change Assessment in the Jhelum and Chenab River Basins
von: Jamal, Saad Ahmed, et al.
Veröffentlicht: (2026)

WindDragon: Enhancing wind power forecasting with Automated Deep Learning
von: Keisler, Julie, et al.
Veröffentlicht: (2024)

Inductive biases in deep learning models for weather prediction
von: Thuemmel, Jannik, et al.
Veröffentlicht: (2023)

DPSformer: A long-tail-aware model for improving heavy rainfall prediction
von: Huang, Zenghui, et al.
Veröffentlicht: (2025)

A Generative Framework for Probabilistic, Spatiotemporally Coherent Downscaling of Climate Simulation
von: Schmidt, Jonathan, et al.
Veröffentlicht: (2024)

ACE2: Accurately learning subseasonal to decadal atmospheric variability and forced responses
von: Watt-Meyer, Oliver, et al.
Veröffentlicht: (2024)

Analysis, forecasting and system identification of a floating offshore wind turbine using dynamic mode decomposition
von: Palma, Giorgio, et al.
Veröffentlicht: (2024)

climt-paraformer: Stable Emulation of Convective Parameterization using a Temporal Memory-aware Transformer
von: Wang, Shuochen, et al.
Veröffentlicht: (2026)

Assessment of Abrupt Shifts in CMIP6 Models using Edge Detection
von: Terpstra, Sjoerd, et al.
Veröffentlicht: (2024)

Unraveling the Global Teleconnections of Indian Summer Monsoon Clouds: Expedition from CMIP5 to CMIP6
von: Dutta, Ushnanshu, et al.
Veröffentlicht: (2021)

Atmospheric Centers of Action: current features and expected changes from simulations with CMIP5 and CMIP6 models
von: Mokhov, I. I., et al.
Veröffentlicht: (2024)

Uncertainty-aware segmentation for rainfall prediction post processing
von: Monaco, Simone, et al.
Veröffentlicht: (2024)

Improving sub-seasonal wind-speed forecasts in Europe with a non-linear model
von: Tian, Ganglin, et al.
Veröffentlicht: (2024)

Generative assimilation and prediction for weather and climate
von: Yang, Shangshang, et al.
Veröffentlicht: (2025)

An extreme value method to study decadal hurricane wind trends
von: Payez, Alexandre, et al.
Veröffentlicht: (2025)

Causal Mechanisms of Subpolar Gyre Variability in CMIP6 Models
von: Falkena, Swinda K. J., et al.
Veröffentlicht: (2024)

Arnoldi Singular Vector perturbations for machine learning weather prediction
von: Winkler, Jens, et al.
Veröffentlicht: (2025)

Discovering strategies for coastal resilience with AI-based prediction and optimization
von: Markowitz, Jared, et al.
Veröffentlicht: (2025)

Global atmospheric data assimilation with multi-modal masked autoencoders
von: Vandal, Thomas J., et al.
Veröffentlicht: (2024)

Multidecadal forcing of European windstorm losses in CMIP6-DAMIP models
von: Cusack, Stephen
Veröffentlicht: (2025)

An AI-driven framework for the prediction of personalised health response to air pollution
von: Zounemat-Kermani, Nazanin, et al.
Veröffentlicht: (2025)

An ensemble of data-driven weather prediction models for operational sub-seasonal forecasting
von: Weyn, Jonathan A., et al.
Veröffentlicht: (2024)

Neural general circulation models optimized to predict satellite-based precipitation observations
von: Yuval, Janni, et al.
Veröffentlicht: (2024)

Can AI weather models predict out-of-distribution gray swan tropical cyclones?
von: Sun, Y. Qiang, et al.
Veröffentlicht: (2024)

PODiff: Latent Diffusion in Proper Orthogonal Decomposition Space for Scientific Super-Resolution
von: Jadhav, Onkar, et al.
Veröffentlicht: (2026)

Efficiently improving key weather variables forecasting by performing the guided iterative prediction in latent space
von: Li, Shuangliang, et al.
Veröffentlicht: (2024)

Using Explainable AI and Transfer Learning to understand and predict the maintenance of Atlantic blocking with limited observational data
von: Zhang, Huan, et al.
Veröffentlicht: (2024)

Huracan: A skillful end-to-end data-driven system for ensemble data assimilation and weather prediction
von: Ni, Zekun, et al.
Veröffentlicht: (2025)

AI-informed model-analogs for understanding subseasonal-to-seasonal jet stream and North American temperature predictability
von: Landsberg, Jacob B., et al.
Veröffentlicht: (2025)

FastNet: Improving the physical consistency of machine-learning weather prediction models through loss function design
von: Dunstan, Tom, et al.
Veröffentlicht: (2025)

Leveraging data-driven weather models for improving numerical weather prediction skill through large-scale spectral nudging
von: Husain, Syed Zahid, et al.
Veröffentlicht: (2024)

Efficient modeling of sub-kilometer surface wind with Gaussian processes and neural networks
von: Zanetta, Francesco, et al.
Veröffentlicht: (2024)

Spatial variation of future trends in Atlantic upwelling cells from two CMIP6 models
von: Flügel, Raquel, et al.
Veröffentlicht: (2025)

Generative Modeling of Aerosol State Representations
von: Saleh, Ehsan, et al.
Veröffentlicht: (2025)

Improving Model Chain Approaches for Probabilistic Solar Energy Forecasting through Post-processing and Machine Learning
von: Horat, Nina, et al.
Veröffentlicht: (2024)

Contributions of greenhouse gases and solar activity to global climate change from CMIP6 models simulations
von: Mokhov, Igor I., et al.
Veröffentlicht: (2024)

Parameter estimation for land-surface models using Neural Physics
von: Huang, Ruiyue, et al.
Veröffentlicht: (2025)