Neues Graph Neural Network liefert präzise Windvorhersagen in Datenlücken

Wissenschaftler haben ein innovatives Graph Neural Network entwickelt, das mit Hilfe von virtuellen Knoten Windbedingungen in Regionen vorhersagen kann, in denen keine Messstationen vorhanden sind. Durch die Kombination von Diffusions- und kontrastiven Lernmethoden kann das Modell lokale Windgeschwindigkeiten, Richtungen und Böen in Gebieten ohne direkte Messungen zuverlässig schätzen.

Die Forscher haben ihr System mit hochauflösenden Wetterstationdaten aus den Niederlanden trainiert und getestet. Im Vergleich zu herkömmlichen Interpolations- und Regressionsverfahren konnte die Methode die mittlere absolute Fehlerquote (MAE) für Windgeschwindigkeit, Böen und Richtung in unobservierten Regionen um mehr als 30 % bis 46 % reduzieren.

Diese Fortschritte eröffnen neue Möglichkeiten für die Integration erneuerbarer Energien, die Planung in der Landwirtschaft und die Frühwarnsysteme in datenarmen Gebieten. Durch die Möglichkeit, verlässliche Windvorhersagen auch ohne Messstationen zu liefern, stärkt das Modell die Resilienz gegenüber klimatischen Herausforderungen und trägt zur Energie- und Katastrophensicherheit bei.