arrow
返回

Rooftop photovoltaic solar potential mapping using machine learning algorithms

delete2026-07-18
delete0
delete
OA
AI
E
Elahe Nasehzadeh
P
Parham Pahlavani *
A
Anita Nasehzadeh
O
Omid Ghorbanzadeh *
T
Thomas Blaschke
DOI:10.1016/j.rineng.2026.112067delete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
• 数据驱动建模实现了高精度城市屋顶太阳能潜力评估。• 特征选择减少了多重共线性并提高了模型泛化能力。• 考虑阴影的建模实现了1米分辨率的光伏适宜性制图。
Keyword:
PV systems
Renewable energy
Solar panel
Solar potential estimation
Machine learning regression
Exploring associational rules
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

Results in Engineering 封面图
Results in Engineering
IF:
7.9
论文数:
1.1W
被引数:
1.7W

机构

I
international campus
学者数:
3
论文数: 2
被引数: 0
U
university of salzburg
学者数:
150
论文数: 86
被引数: 0
U
university of tehran
学者数:
2.5K
论文数: 1.2K
被引数: 0
学者 查看更多机构
引用论文

引用论文

Pearson Correlation Coefficient皮尔逊相关系数
err2009-03-05
err0
PREAI
errJacob Benesty; Jingdong Chen; Yiteng Huang; Israel Cohen
err分享
err收藏
A comparative analysis of gradient boosting algorithms梯度提升算法的比较分析
err2020-08-24
err863
errOAAI
errBentejac, Candice; Csorgo, Anna; Martinez-Munoz, Gonzalo
err分享
err收藏
err分享
err收藏
A random forest guided tour一个随机的森林导游
errTEST
IF0
err2016-04-19
err0
errOAAI
errGérard Biau; Erwan Scornet
err分享
err收藏
err分享
err收藏
学者 查看更多内容