7月，在国际人工智能联合会议上美国麻省理工学院（MIT）的科研人员展示了一种新的统计模型^[1]，此模型将比现有模型更为精确的预测风速，观测的风速数据周期将变的更短，可将传统使用12个月的数据减少为使用3个月的风速数据就可为电力公司确定风场选址，大幅度的减少了电力公司的经济和时间成本。

MIT研究人员指出，传统的假设都遵循高斯分布，即传统的“钟形曲线”。但是准确的数据模拟结果并非往往都符合钟形曲线。而新的模型将依靠多个观测网站数据进行模拟，可以将历史数据和现有观测数据进行耦合并分析。研究人员整合了15个网站的风能观测数据加以利用。新模型的优点在于不局限于高斯分布。此外，该模型还可以使用不同站点的数据来进行不同分布方式的特征分析，甚至可以使用非参数分布。进行多样本、多类型的离散型分析。该模型也可以模拟非线性数据之间的相关性，风能行业常用的类型是回归分析，确定最接近的直线数据点的散点，然后用曲线进行近似模拟。MIT的研究人员在麻省理工学院博物馆的屋顶放置了风速计来检验其理论的正确性。            

（李恒吉）