A Markov Chain Gaussian Process Framework for Modeling Wind Speed Over a Large Geographical Area
An important design consideration when modeling the joint statistical behaviour of wind speed measurements over multiple sites and time points is that the models should allow inference for future sites for which no historical measurements are available. Also, the models should be able to combine information from different databases of atmospheric measurements. In this talk, I will introduce a Markov Chain Gaussian process framework which achieves both design goals, describe the estimation procedure for the models considered and give an application to the short term forecasting of wind speed at over 100 weather stations in Alberta.
Un processus gaussien à chaîne de Markov pour modéliser la vitesse du vent sur une grande zone géographique
Lors de la modélisation du comportement statistique conjoint des mesures de la vitesse du vent sur plusieurs sites et points dans le temps, il est important de tenir compte du fait que les modèles doivent permettre d’inférer pour les futurs sites pour lesquels aucune mesure historique n’est disponible. En outre, les modèles doivent pouvoir combiner des informations provenant de différentes bases de données de mesures atmosphériques. Dans cet exposé, je présenterai un cadre de processus gaussien à chaîne de Markov qui permet d’atteindre ces deux objectifs, je décrirai la procédure d’estimation pour les modèles considérés et je présenterai une application à la prévision à court terme de la vitesse du vent dans plus de 100 stations météorologiques en Alberta.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais