Previsão da Velocidade do Vento Local em Horizontes de Tempo Curto Baseada em Previsão Numérica do Tempo e Observações de Estações Circunvizinhas

Resumo Este estudo apresenta um modelo híbrido de rede neural para previsão de velocidade do vento na superfície a curto prazo (1–6 horas à frente), combinando Previsão Numérica do Tempo (NWP) com dados observacionais de estações meteorológicas em solo. Ele se baseia no conjunto de dados MeteoNet, que inclui dados de modelos NWP globais (ARPEGE) e regionais (AROME) do serviço meteorológico francês e observações meteorológicas de estações em solo no Mediterrâneo francês. A arquitetura da rede neural proposta integra observações das estações das últimas horas e previsões do AROME e ARPEGE em uma pequena subgrade ao redor da localização alvo. O modelo é projetado para fornecer previsões determinísticas e probabilísticas, sendo que estas últimas preveem os parâmetros de uma distribuição de probabilidade adequada que, notavelmente, nos permite capturar eventos extremos de vento. Nossos resultados demonstram que o modelo híbrido supera significativamente métodos de referência, incluindo previsões brutas de NWP, modelos de persistência e regressão linear, em todos os horizontes de previsão. Por exemplo, o modelo reduz o RMSE em até 30% em comparação com as previsões do AROME. A previsão probabilística melhora ainda mais o desempenho, particularmente para quantis extremos, ao estimar quantis condicionais em vez de depender apenas da média condicional. O ajuste fino do modelo para estações específicas, como aquelas na ilha mediterrânea da Córsega, melhora ainda mais a precisão da previsão. Nosso estudo destaca a importância de integrar múltiplas fontes de dados e abordagens probabilísticas para melhorar a previsão da velocidade do vento a curto prazo. Ele define uma abordagem eficaz, mesmo em um terreno complexo como a Córsega, onde variações de vento localizadas são significativas.