Onderzoekers hebben een nieuw framework ontwikkeld, het Earth World Model (EWM), dat is ontworpen om complexe omgevingsveranderingen en fysieke systemen beter te voorspellen. Door gebruik te maken van natuurkundige beperkingen binnen een latent dynamisch model, kan het systeem scenario-analyses uitvoeren waarbij externe omgevingsfactoren als vervangbare stuurmechanismen fungeren.
Een nieuwe aanpak voor omgevingsmodellering
Volgens een wetenschappelijke publicatie op arxiv.org worden 'world models' vaak ingezet voor forecasting en planning, maar er is tot nu toe een gebrek aan systemen die externe omgevingsveranderingen integreren als vervangbare drivers in een uniform proces. Dit beperkt de mogelijkheid om te beoordelen hoe verstoringen in de omgeving zich voortplanten door fysieke systemen.
Het Earth World Model lost dit op door heterogene observaties uit meerdere bronnen samen te vatten in een laag-dimensionale 'latent state'. Deze staat representeert zowel de geschiedenis als de huidige conditie van het systeem. Een gedeelde transitie-operator werkt deze staat vervolgens recursief bij op basis van expliciete externe drivers, waarna een decoder met fysieke beperkingen meerstapsvoorspellingen genereert.
Toepassing op hernieuwbare energie
Om de effectiviteit van het model te testen, hebben de auteurs Huijun Qiao, Ziqiang Zhang en Jinnong Liao het EWM toegepast op energievoorspellingen. De evaluatie vond plaats bij zes locaties voor fotovoltaïsche energie (zonnepanelen) en één locatie voor windenergie.
De resultaten voor de zonne-energiecentrale's waren positief. Over drie verschillende voorspellingshorizonten en vier locaties behaalden drie onafhankelijke trainingsruns gemiddelde $R^2$-waarden die varieerden tussen 0,8578 en 0,9095, zoals beschreven in de .
Het belang van fysieke decoders
Een cruciaal onderdeel van het onderzoek was de zogenaamde 'decoder ablation' bij zes verschillende locaties. Hierbij werd gekeken naar de reactie van het model op specifieke interventies in de instraling van zonlicht.
Uit de data blijkt dat de keuze van de decoder een significante impact heeft op de nauwkeurigheid van de respons:
* Bij het gebruik van een standaard multilayer perceptron-decoder was de gemiddelde netto per-unit respons $\rho$ slechts 0,180.
* Bij het gebruik van een analytische fysieke decoder steeg deze waarde naar 0,922.
Deze laatste waarde ligt zeer dicht bij de analytische referentiewaarden voor specifieke locaties en tijdshorizonten, wat aantoont dat de integratie van fysica essentieel is voor een getrouwe weergave van de dynamische respons.
Resultaten windenergie en conclusies
Ook voor windenergie leverde het model sterke resultaten. Het windmodel bereikte een injectie-elasticiteit van $0,9990 \pm 0,0006$. Opvallend is dat de outputs vóór de interventie ongewijzigd bleven, wat wijst op een stabiele werking van het model.
De onderzoekers concluderen in hun dat de fit van een voorspelling en de reactie op een interventie als afzonderlijke zaken moeten worden geëvalueerd. De geteste configuraties van het Earth World Model waren in staat om zowel de amplitude van de respons als de temporele grenzen te behouden onder de voorgeschreven interventies.
Hoewel andere tools zoals Google Earth visuele representaties van de aarde bieden, richt het Earth World Model zich specifiek op de computationele dynamiek en voorspellende analyse van fysieke systemen. De volledige studie, bestaande uit 20 pagina's met uitgebreide tabellen en figuren, is beschikbaar via de .