I
n
d
on
e
s
ian
Jou
r
n
al
o
f
E
lec
t
r
ica
l
E
n
gin
e
e
r
in
g
a
n
d
Com
p
u
t
e
r
S
c
ience
Vo
l
.
3
7
,
N
o
.
3
,
M
a
r
c
h
20
2
5
,
pp.
1
87
4
~
1
88
6
I
S
S
N:
2
502
-
4
7
52
,
DO
I
:
10
.
1
1591/i
j
e
e
cs
.v
3
7
.
i
3
.
pp
1
87
4
-
1
88
6
1874
Jou
r
n
al
h
o
m
e
page
:
ht
tp:
//
ij
e
e
cs
.
iaes
c
or
e
.
c
om
M
ac
h
in
e
le
ar
n
in
g
m
od
e
ls
i
n
r
e
n
e
w
ab
le
e
n
e
r
g
y
f
or
e
c
as
t
in
g:
a sy
st
e
m
at
ic
l
ite
r
at
u
r
e
r
e
v
i
e
w
M
oh
am
e
d
Yas
s
in
e
Rhaf
e
s
1
,
Om
ar
M
ou
s
s
aou
i
1
, M
ar
ia
S
im
on
a
R
ab
oac
a
2
1
M
A
T
S
I
L
a
b
o
r
a
t
or
y
, E
S
T
O
, M
o
ha
mm
e
d F
i
r
s
t
U
ni
ve
r
s
it
y
, O
uj
d
a
, M
o
r
o
c
c
o
2
I
C
S
I
E
ne
r
g
y
D
e
pa
r
t
me
nt
, N
a
ti
o
na
l
R
e
s
e
a
r
c
h a
nd D
e
ve
l
o
pm
e
nt
I
ns
ti
tu
te
f
or
C
r
y
oge
n
ic
s
a
nd I
s
o
t
o
pi
c
T
e
c
hn
ol
o
gi
e
s
,
R
m. Va
lc
e
a
,
R
oma
ni
a
Ar
t
ic
l
e
I
n
f
o
AB
S
T
RA
CT
A
r
ti
c
le
h
is
tor
y
:
R
e
c
e
i
ve
d
A
pr
14
,
202
4
R
e
vi
s
e
d
Oc
t
1
,
202
4
A
c
c
e
pt
e
d
Oc
t
7
,
202
4
D
u
ri
n
g
t
h
e
p
as
t
y
e
ars
,
t
h
e
co
n
v
e
rg
en
ce
o
f
m
a
ch
i
n
e
l
e
ar
n
i
n
g
(ML
)
t
e
ch
n
o
l
o
g
i
e
s
w
i
t
h
r
en
ew
ab
l
e
e
n
e
r
g
y
s
ec
t
o
rs
h
as
b
eco
me
a
s
i
g
n
i
f
i
c
an
t
k
ey
are
a
o
f
i
n
n
o
v
at
i
o
n
as
a
k
ey
ar
e
a
o
f
i
n
n
o
v
at
i
o
n
,
e
n
h
an
ci
n
g
t
h
e
e
ffi
ci
e
n
cy
a
n
d
p
re
d
i
c
t
ab
i
l
i
t
y
o
f
s
u
s
t
ai
n
ab
l
e
en
e
rg
y
s
o
u
r
ce
s
.
ML
a
l
g
o
ri
t
h
m
s
,
a
d
e
p
t
at
h
an
d
l
i
n
g
c
o
m
p
l
e
x
d
at
a,
h
av
e
b
eco
me
e
s
s
en
t
i
al
i
n
f
o
r
ec
as
t
i
n
g
en
e
r
g
y
o
u
t
p
u
t
s
fro
m
v
ar
i
ab
l
e
s
o
u
r
ce
s
l
i
k
e
s
o
l
ar
an
d
w
i
n
d
.
T
h
i
s
i
n
t
e
g
r
at
i
o
n
h
as
l
ed
t
o
t
h
e
d
ev
e
l
o
p
men
t
o
f
s
m
art
e
r,
m
o
r
e
a
d
ap
t
i
v
e
g
ri
d
s
y
s
t
em
s
,
cap
ab
l
e
o
f
e
ffi
ci
e
n
t
l
y
m
an
a
g
i
n
g
t
h
e
v
ari
ab
i
l
i
t
y
o
f
ren
ew
ab
l
e
en
e
rg
y
s
o
u
r
ce
s
.
T
h
i
s
rev
i
ew
p
ap
e
r
fo
cu
s
e
s
o
n
s
e
v
e
ra
l
k
ey
ar
e
as
:
f
i
rs
t
l
y
,
i
t
p
ro
v
i
d
e
s
a
s
u
mm
ar
y
o
f
r
el
at
ed
w
o
r
k
,
s
p
e
c
i
f
i
c
al
l
y
f
o
c
u
s
i
n
g
o
n
ML
i
n
t
h
e
r
en
ew
ab
l
e
e
n
e
r
g
y
fi
el
d
.
S
eco
n
d
l
y
,
i
t
d
el
v
e
s
i
n
t
o
ML
mo
d
el
s
an
d
e
v
a
l
u
at
i
o
n
me
t
ri
c
s
u
s
ed
fo
r
s
o
l
ar
an
d
w
i
n
d
e
n
e
r
g
y
fo
r
ec
as
t
i
n
g
.
T
h
i
rd
l
y
,
i
t
an
a
l
y
z
e
s
2
1
s
t
u
d
i
e
s
p
u
b
l
i
s
h
e
d
fro
m
2
0
1
9
t
o
2
0
2
3
,
p
ri
m
ari
l
y
ce
n
t
e
r
e
d
o
n
s
o
l
ar
e
n
e
r
g
y
(6
0
%
)
an
d
w
i
n
d
en
e
r
g
y
(4
0
%
),
w
i
t
h
an
em
p
h
as
i
s
o
n
v
ar
i
o
u
s
fo
r
ec
as
t
i
n
g
h
o
r
i
zo
n
s
,
h
i
g
h
l
i
g
h
t
i
n
g
t
h
e
r
e
s
u
l
t
s
o
f
t
h
e
ML
al
g
o
r
i
t
h
m
s
u
s
e
d
an
d
t
h
e
p
e
rf
o
r
m
an
ce
me
t
ri
c
s
t
o
e
v
a
l
u
at
e
t
h
e
i
r
e
ff
ec
t
i
v
en
e
s
s
.
Fi
n
al
l
y
,
i
t
i
d
en
t
i
fi
e
s
g
ap
s
an
d
o
p
p
o
rt
u
n
i
t
i
e
s
i
n
t
h
i
s
fi
el
d
.
T
h
e
s
t
a
t
e
-
of
-
the
-
art
rev
i
ew
an
d
i
t
s
fi
n
d
i
n
g
s
c
a
n
o
ff
e
r
a
s
o
l
i
d
fo
u
n
d
at
i
o
n
f
o
r
fu
t
u
r
e
re
s
e
ar
ch
i
n
i
t
i
at
i
v
e
s
.
K
e
y
w
o
r
d
s
:
F
o
r
e
c
a
s
t
i
n
g
M
a
c
hi
ne
l
e
a
r
ni
ng
R
e
n
e
wa
bl
e
e
n
e
r
g
y
S
o
l
a
r
e
n
e
r
g
y
W
i
nd
e
n
e
r
g
y
Th
i
s
i
s
a
n
o
p
en
a
c
ces
s
a
r
t
i
c
l
e
u
n
d
e
r
t
h
e
CC
B
Y
-
SA
l
i
cen
s
e.
C
or
r
e
s
pon
din
g
A
u
th
or
:
M
o
h
a
m
e
d
Ya
s
s
i
ne
R
ha
f
e
s
M
A
T
S
I
L
a
b
o
r
a
tor
y
,
E
S
T
O,
M
o
h
a
m
m
e
d
F
i
r
s
t
Univ
e
r
s
i
t
y
Ou
j
d
a
,
M
o
r
o
c
c
o
E
m
a
i
l
:
m
o
h
a
m
e
d
y
a
s
s
i
ne
.
r
ha
f
e
s
@
u
m
p.
a
c
.
m
a
1.
I
NT
RODU
C
T
I
ON
T
h
e
e
v
o
l
ut
i
o
n
o
f
e
l
e
c
t
r
o
m
o
bi
li
t
y
,
a
l
o
n
g
w
i
t
h
de
v
e
l
o
p
m
e
n
t
s
i
n
a
gr
i
c
u
l
t
ur
e
a
n
d
f
a
r
m
i
ng,
t
e
l
e
c
o
m
m
u
ni
c
a
t
i
o
ns
,
a
n
d
ot
h
e
r
d
o
m
a
i
ns
,
ha
s
l
e
d
to
a
n
i
n
c
r
e
a
s
e
d
de
m
a
n
d
f
o
r
e
l
e
c
t
r
i
c
i
t
y
f
r
o
m
r
e
n
e
wa
ble
e
n
e
r
g
y
s
o
ur
c
e
s
[
1]
.
T
hi
s
gr
o
wi
n
g
ne
e
d
i
s
a
r
e
f
l
e
c
t
i
o
n
o
f
t
h
e
gl
o
b
a
l
t
r
a
n
s
f
o
r
m
a
t
i
o
n
to
wa
r
ds
c
l
e
a
ne
r
,
m
o
r
e
s
us
t
a
i
n
a
bl
e
e
n
e
r
g
y
f
o
r
m
s
.
I
n
r
e
c
e
n
t
y
e
a
r
s
,
r
e
n
e
wa
bl
e
e
n
e
r
g
y
r
e
s
e
a
r
c
h
a
n
d
de
v
e
l
o
p
m
e
n
t
h
a
s
gr
o
wn
s
i
g
nif
i
c
a
n
t
l
y
du
e
to
t
h
e
de
m
a
n
d
f
o
r
s
us
t
a
i
n
a
bl
e
e
n
e
r
g
y
s
o
l
ut
i
o
ns
[
2]
.
Ho
we
v
e
r
,
t
h
e
a
do
p
t
i
o
n
o
f
r
e
n
e
wa
bl
e
e
n
e
r
g
y
i
s
v
e
r
y
c
h
a
ll
e
n
g
i
ng,
pr
i
m
a
r
il
y
due
to
t
h
e
v
a
r
i
a
bil
i
t
y
a
n
d
un
pr
e
d
i
c
t
a
bil
i
t
y
a
s
s
o
c
i
a
t
e
d
wi
t
h
we
a
t
h
e
r
c
o
n
d
i
t
i
o
n
s
.
W
i
n
d
e
n
e
r
g
y
,
f
o
r
e
x
a
m
p
l
e
,
i
s
hi
g
hly
d
e
pe
n
de
n
t
o
n
we
a
t
h
e
r
pa
tt
e
r
n
s
,
whi
c
h
c
a
n
b
e
c
h
a
ll
e
n
g
i
ng
t
o
f
o
r
e
c
a
s
t
wi
t
h
a
c
c
ur
a
c
y
[
3]
.
Al
s
o
,
t
h
e
pr
o
duc
t
i
o
n
o
f
s
o
l
a
r
e
n
e
r
g
y
i
s
a
f
f
e
c
t
e
d
by
we
a
t
h
e
r
pa
tt
e
r
n
s
s
uc
h
a
s
s
e
a
s
o
na
l
c
h
a
n
ge
s
i
n
s
u
nli
g
h
t
,
c
l
o
ud
c
o
v
e
r
,
a
n
d
ot
h
e
r
s
[
4]
.
T
h
e
s
e
c
h
a
ll
e
n
g
e
s
pr
e
s
e
n
t
o
b
s
t
a
c
l
e
s
to
i
n
t
e
gr
a
t
i
n
g
t
h
e
po
w
e
r
gr
i
d
w
i
t
h
r
e
n
e
wa
bl
e
e
n
e
r
g
y
s
y
s
t
e
m
s
.
T
o
m
e
e
t
t
h
e
i
n
s
t
a
bil
i
t
y
c
a
u
s
e
d
by
w
e
a
t
h
e
r
pa
tt
e
r
n
s
o
f
r
e
n
e
wa
bl
e
e
ne
r
g
y
s
o
ur
c
e
s
,
i
t
b
e
c
o
m
e
s
e
s
s
e
n
t
i
a
l
f
o
r
ph
o
to
v
o
l
t
a
i
c
(
P
V)
s
y
s
t
e
m
s
a
n
d
w
i
n
d
f
a
r
m
s
to
p
r
o
vi
de
a
d
v
a
n
c
e
d
e
l
e
c
t
r
i
c
i
t
y
ge
n
e
r
a
t
i
o
n
f
o
r
e
c
a
s
t
s
[
5]
.
T
r
a
d
i
t
i
on
a
l
f
or
e
c
a
s
t
i
n
g
m
e
th
od
s
,
w
h
i
c
h
e
m
pl
o
y
e
d
f
or
d
e
c
a
d
e
s
,
d
e
p
e
n
d
on
s
ta
ti
s
t
i
c
a
l
a
n
d
p
h
y
s
i
c
a
l
a
p
p
r
oa
c
h
e
s
[
6
]
,
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2
5
0
2
-
4
7
52
M
ac
hine
lear
ning
mode
ls
in
r
e
ne
w
able
e
ne
r
gy
f
or
e
c
as
ti
ng
…
(
M
ohame
d
Y
as
s
ine
R
haf
e
s
)
1875
o
f
t
e
n
f
a
i
l
to
h
a
n
d
l
e
t
h
e
c
o
m
p
l
e
x
a
n
d
n
o
nli
ne
a
r
da
t
a
o
f
r
e
n
e
wa
bl
e
e
n
e
r
g
y
c
h
a
r
a
c
t
e
r
i
s
t
i
c
s
[
7]
.
I
n
t
h
e
l
a
s
t
f
e
w
y
e
a
r
s
,
m
a
c
hi
ne
l
e
a
r
ni
ng
(
M
L
)
ha
s
e
m
e
r
ge
d
a
s
a
n
e
f
f
e
c
t
i
ve
s
o
l
ut
i
o
n
i
n
t
h
e
r
e
n
e
wa
bl
e
e
n
e
r
g
y
i
n
du
s
t
r
y
.
M
L
m
o
de
l
s
c
a
n
h
a
n
d
l
e
a
n
d
l
e
a
r
n
f
r
o
m
v
a
s
t
qua
n
t
i
t
i
e
s
o
f
da
t
a
,
i
n
c
l
ud
i
ng
t
i
m
e
s
e
r
i
e
s
,
m
e
t
e
or
o
l
o
g
i
c
a
l
,
a
n
d
ge
o
gr
a
phi
c
a
l
da
t
a
.
T
hi
s
m
a
ke
s
M
L
a
s
u
i
t
a
bl
e
s
o
l
ut
i
o
n
f
o
r
a
ddr
e
s
s
i
n
g
t
h
e
c
h
a
ll
e
n
ge
s
i
n
r
e
n
e
wa
bl
e
e
n
e
r
g
y
da
t
a
a
n
a
ly
s
i
s
,
ba
s
i
c
a
ll
y
e
nh
a
n
c
i
ng
t
h
e
e
f
f
i
c
i
e
nc
y
a
n
d
i
nt
e
gr
a
t
i
o
n
o
f
r
e
n
e
wa
bl
e
e
ne
r
g
y
s
y
s
t
e
m
s
.
Nu
m
e
r
o
us
s
t
udi
e
s
h
a
v
e
r
e
vi
e
we
d
t
h
e
li
t
e
r
a
t
ur
e
o
n
M
L
m
o
de
l
s
i
n
t
h
e
r
e
n
e
wa
bl
e
e
n
e
r
g
y
s
e
c
t
or
.
T
a
bl
e
1
(
i
n
A
pp
e
n
d
i
x
)
[
8]
-
[
18
]
s
u
m
m
a
r
i
z
e
s
s
e
l
e
c
t
e
d
r
e
l
a
t
e
d
w
o
r
ks
s
pa
nni
ng
f
r
o
m
2019
to
2023
.
T
h
e
n
o
v
e
l
t
y
o
f
t
hi
s
wo
r
k
l
i
e
s
i
n
i
t
s
f
o
c
us
e
d
r
e
vi
e
w
o
f
r
e
c
e
n
t
a
dv
a
n
c
e
s
i
n
M
L
m
e
t
h
o
ds
f
o
r
f
o
r
e
c
a
s
t
i
n
g
s
o
l
a
r
a
n
d
w
i
n
d
po
we
r
,
o
f
f
e
r
i
n
g
a
pe
r
s
pe
c
t
i
ve
o
n
t
h
e
i
n
t
e
gr
a
t
i
o
n
o
f
a
r
t
i
f
i
c
i
a
l
i
n
t
e
ll
i
ge
n
c
e
i
n
e
nh
a
nc
i
n
g
t
h
e
pr
e
d
i
c
t
a
bil
i
t
y
a
n
d
e
f
f
i
c
i
e
n
c
y
o
f
R
E
s
y
s
t
e
m
s
.
B
y
e
x
t
r
a
c
t
i
n
g
de
e
p
i
nf
o
r
m
a
t
i
o
n
f
r
o
m
21
c
a
r
e
f
u
ll
y
s
e
l
e
c
t
e
d
pa
pe
r
s
,
t
hi
s
s
t
ud
y
pr
o
vi
de
s
a
n
a
n
a
ly
s
i
s
o
f
t
h
e
pe
r
f
o
r
m
a
n
c
e
,
c
h
a
ll
e
n
ge
s
,
a
n
d
o
pp
o
r
t
uni
t
i
e
s
o
f
v
a
r
i
o
us
M
L
m
o
de
l
s
i
n
t
h
e
c
o
n
t
e
x
t
o
f
r
e
n
e
wa
bl
e
e
n
e
r
g
y
f
o
r
e
c
a
s
t
i
n
g.
A
dd
i
t
i
o
n
a
ll
y
,
t
h
e
e
x
a
mi
na
t
i
o
n
o
f
f
o
r
e
c
a
s
t
i
n
g
h
o
r
i
z
o
n
s
hi
g
hli
g
h
t
s
t
h
e
a
da
pt
a
bi
li
t
y
a
n
d
e
f
f
e
c
t
i
v
e
n
e
s
s
o
f
t
h
e
s
e
m
o
de
l
s
a
c
r
o
s
s
v
a
r
i
o
us
t
e
m
po
r
a
l
s
c
a
l
e
s
.
T
h
e
s
t
r
uc
t
ur
e
o
f
t
hi
s
pa
pe
r
i
s
a
s
f
o
l
l
o
ws
:
s
e
c
t
i
o
n
2
e
x
p
l
o
r
e
s
t
h
e
m
a
t
e
r
i
a
l
s
a
n
d
m
e
t
h
o
ds
.
I
n
t
hi
s
s
e
c
t
i
o
n
,
we
p
r
o
vi
de
i
n
-
de
pt
h
e
x
p
l
a
na
t
i
o
ns
o
f
t
h
e
ML
a
l
go
r
i
t
hm
s
,
t
h
e
m
e
t
r
i
c
s
us
e
d
to
e
v
a
l
ua
t
e
f
o
r
e
c
a
s
t
i
n
g
pe
r
f
o
r
m
a
n
c
e
,
a
n
d
t
h
e
d
if
f
e
r
e
n
t
f
o
r
e
c
a
s
t
i
n
g
h
o
r
i
z
o
n
s
e
m
p
l
o
y
e
d
i
n
t
h
e
r
e
vi
e
we
d
s
t
ud
i
e
s
.
W
e
a
l
s
o
o
u
t
l
i
ne
t
h
e
m
e
t
h
o
do
l
o
g
y
us
e
d
f
o
r
s
e
l
e
c
t
i
n
g
r
e
l
e
v
a
n
t
r
e
s
e
a
r
c
h
a
r
t
i
c
l
e
s
f
o
r
t
h
e
l
i
t
e
r
a
t
ur
e
r
e
vi
e
w.
I
n
s
ec
t
i
o
n
3
i
s
de
d
i
c
a
t
e
d
to
t
h
e
di
s
c
u
s
s
i
o
n
o
f
t
h
e
r
e
s
u
l
t
s
.
2.
M
AT
E
RI
AL
S
AN
D
M
E
T
HO
DS
2.
1.
M
ac
h
in
e
l
e
ar
n
in
g
ML
,
a
b
r
a
n
c
h
o
f
a
r
t
i
f
i
c
i
a
l
i
n
t
e
ll
i
ge
n
c
e
,
i
nv
o
l
v
e
s
th
e
us
e
o
f
a
l
go
r
i
t
hm
s
t
o
un
c
o
v
e
r
hi
dde
n
pa
tt
e
r
n
s
w
i
t
hi
n
da
t
a
.
I
t
wa
s
f
i
r
s
t
de
f
i
ne
d
i
n
1959
by
A
r
t
h
ur
S
a
m
u
e
l
a
s
t
h
e
“
f
i
e
l
d
o
f
s
t
udy
t
h
a
t
e
n
a
bl
e
s
c
o
m
p
ut
e
r
s
to
l
e
a
r
n
w
i
t
h
o
ut
e
x
p
l
i
c
i
t
pr
o
gr
a
m
mi
ng”
[
19]
.
M
L
a
l
go
r
i
t
hm
s
a
r
e
t
y
p
i
c
a
ll
y
c
a
t
e
go
r
i
z
e
d
i
n
t
o
t
h
r
e
e
m
a
in
t
y
pe
s
:
s
upe
r
vi
s
e
d
l
e
a
r
ni
ng,
un
s
upe
r
vi
s
e
d
l
e
a
r
ni
ng,
a
n
d
s
e
m
i
-
s
upe
r
vi
s
e
d
l
e
a
r
ni
ng.
F
i
gur
e
1
i
l
l
u
s
t
r
a
t
e
s
t
h
e
d
i
f
f
e
r
e
n
t
c
a
t
e
g
o
r
i
e
s
o
f
M
L
a
l
go
r
i
t
hm
s
.
F
i
gur
e
1.
C
a
t
e
gor
i
e
s
o
f
ML
a
l
go
r
i
t
hm
s
I
n
t
hi
s
r
e
vi
e
w,
we
f
o
c
us
o
n
s
upe
r
vi
s
e
d
l
e
a
r
ni
ng,
s
pe
c
i
f
i
c
a
l
ly
o
n
r
e
gr
e
s
s
i
o
n
pr
o
bl
e
m
s
,
a
s
s
h
o
wn
i
n
T
a
bl
e
2
(
i
n
A
ppe
n
d
i
x
)
[
21]
-
[
37
]
.
T
hi
s
f
o
c
us
i
s
r
e
l
e
v
a
n
t
i
n
t
h
e
c
o
n
t
e
x
t
o
f
r
e
n
e
wa
bl
e
e
n
e
r
g
y
,
s
uc
h
a
s
s
o
l
a
r
a
n
d
w
i
n
d
po
we
r
,
wh
e
r
e
ML
m
o
d
e
l
s
a
r
e
us
e
d
t
o
f
o
r
e
c
a
s
t
e
n
e
r
g
y
o
ut
pu
t
.
R
e
gr
e
s
s
i
o
n
m
o
de
l
s
a
r
e
a
pp
li
e
d
t
o
pr
e
di
c
t
c
o
n
t
i
n
uo
us
v
a
l
ue
s
b
a
s
e
d
o
n
hi
s
t
o
r
i
c
a
l
a
n
d
e
nvi
r
o
nm
e
n
t
a
l
da
t
a
,
a
n
e
s
s
e
n
t
i
a
l
s
t
e
p
i
n
o
p
t
i
m
i
z
i
ng
t
h
e
e
f
f
i
c
i
e
n
c
y
o
f
r
e
n
e
wa
bl
e
e
n
e
r
g
y
s
y
s
t
e
m
s
.
2.
2.
M
ac
h
in
e
l
e
ar
n
in
g
a
l
go
r
it
h
m
s
u
s
e
d
in
s
ol
a
r
an
d
w
in
d
e
n
e
r
gy
P
r
e
vi
o
us
ly
,
w
e
i
d
e
n
t
i
f
i
e
d
t
h
a
t
pr
e
d
i
c
t
i
n
g
po
we
r
out
pu
t
i
n
r
e
n
e
wa
bl
e
e
n
e
r
g
y
s
y
s
t
e
m
s
f
u
n
da
m
e
n
t
a
l
ly
c
o
n
s
t
i
t
ut
e
s
a
r
e
gr
e
s
s
i
o
n
pr
o
bl
e
m
.
T
a
bl
e
2
(
i
n
A
ppe
n
d
i
x
)
pr
e
s
e
n
t
s
c
o
m
m
o
n
m
o
de
l
s
us
e
d
i
n
s
e
l
e
c
t
e
d
s
tud
i
e
s
.
2.
3.
M
e
as
u
r
e
m
e
n
t
s
of
f
o
r
e
c
as
t
in
g
p
e
r
f
o
r
m
an
c
e
M
e
a
s
ur
e
m
e
n
t
s
o
f
pe
r
f
o
r
m
a
n
c
e
r
e
f
e
r
s
to
a
s
e
t
o
f
s
t
a
t
i
s
t
i
c
a
l
t
oo
l
s
a
n
d
m
e
t
h
o
ds
us
e
d
to
e
v
a
l
ua
t
e
a
n
d
qua
n
t
i
f
y
t
h
e
e
f
f
e
c
t
i
ve
n
e
s
s
o
f
a
m
o
de
l
i
n
r
e
pr
e
s
e
n
t
i
ng
r
e
a
l
-
wo
r
l
d
ph
e
n
o
m
e
n
a
[
38
]
.
A
s
pr
e
vi
o
us
l
y
m
e
n
t
i
o
n
e
d,
f
o
r
e
c
a
s
t
i
n
g
s
o
l
a
r
a
n
d
w
i
n
d
e
n
e
r
g
y
f
a
ll
s
u
n
de
r
t
h
e
c
a
t
e
g
o
r
y
o
f
s
upe
r
vi
s
e
d
l
e
a
r
ni
n
g,
pa
r
t
i
c
u
l
a
r
l
y
f
o
c
us
i
n
g
o
n
r
e
gr
e
s
s
i
o
n
pr
o
bl
e
m
s
.
T
h
e
r
e
f
o
r
e
,
o
u
r
f
o
c
us
w
i
ll
b
e
o
n
e
v
a
l
ua
t
i
n
g
pe
r
f
o
r
m
a
n
c
e
m
e
t
r
i
c
s
s
pe
c
if
i
c
t
o
s
upe
r
vi
s
e
d
l
e
a
r
ni
ng
m
e
t
h
o
ds
.
T
a
bl
e
3
pr
e
s
e
n
t
s
c
o
m
m
o
n
pe
r
f
o
r
m
a
n
c
e
m
e
t
r
i
c
s
us
e
d
i
n
s
e
l
e
c
t
e
d
s
t
udi
e
s
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2
5
0
2
-
4
7
52
In
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
,
Vo
l
.
3
7
,
N
o
.
3
,
M
a
r
c
h
20
2
5
:
1
87
4
-
1
88
6
1876
T
a
bl
e
3.
C
o
m
m
o
n
pe
r
f
o
r
m
a
n
c
e
m
e
t
r
i
c
s
us
e
d
i
n
s
e
lec
t
e
d
s
t
udi
e
s
M
e
tr
i
c
F
or
mul
a
C
o
mp
o
n
e
nt
s
M
A
E
1
∑
∣
−
̂
∣
=
1
is
t
he
numbe
r
of
o
bs
e
r
v
a
ti
o
ns
.
is
t
he
a
c
tu
a
l
v
a
lu
e
.
̂
is
t
he
pr
e
di
c
te
d
v
a
lu
e
.
̅
is
t
he
me
a
n
of
th
e
a
c
tu
a
l
v
a
lu
e
s
.
M
S
E
1
∑
(
−
̂
)
2
=
1
R
M
S
E
√
1
∑
(
−
̂
)
2
=
1
M
e
a
n
bi
a
s
e
r
r
o
r
(
M
B
E
)
1
∑
(
−
̂
)
=
1
M
e
a
n
a
bs
o
lu
te
p
e
r
c
e
nt
a
g
e
e
r
r
or
(
M
A
P
E
)
100
∑
|
−
̂
|
=
1
R2
-
s
c
or
e
(
co
e
f
f
i
c
i
e
nt
of
de
t
e
r
mi
na
ti
o
n)
1
−
∑
(
−
̂
)
2
=
1
∑
(
−
̅
)
2
=
1
N
o
r
ma
li
z
e
d
m
e
a
n a
bs
o
lu
t
e
e
r
r
or
(
nM
A
E
)
̅
N
o
r
ma
li
z
e
d
r
oo
t
m
e
a
ns
s
qua
r
e
e
r
r
o
r
(
nR
M
S
E
)
̅
N
o
r
ma
li
z
e
d
m
e
a
n bi
a
s
e
r
r
or
(
nM
B
E
)
̅
N
o
r
ma
li
z
e
d
m
e
a
n a
bs
o
lu
t
e
pe
r
c
e
nt
a
ge
e
r
r
o
r
(
nM
A
P
E
)
̅
2.
4.
F
or
e
c
a
s
t
in
g
h
or
i
z
on
s
F
o
r
e
c
a
s
t
i
n
g
h
o
r
i
z
o
n
s
r
e
f
e
r
to
t
h
e
t
i
m
e
pe
r
i
o
ds
o
v
e
r
whi
c
h
pr
e
d
i
c
t
i
o
ns
a
r
e
m
a
d
e
,
r
a
n
g
i
ng
f
r
o
m
a
f
e
w
mi
nut
e
s
to
s
e
v
e
r
a
l
m
o
n
t
hs
or
e
v
e
n
y
e
a
r
s
.
I
n
t
h
e
f
i
e
l
d
o
f
r
e
n
e
wa
bl
e
e
n
e
r
g
y
,
pa
r
t
i
c
u
l
a
r
ly
f
o
r
s
o
l
a
r
a
n
d
w
i
n
d
po
we
r
,
t
h
e
l
e
n
gt
h
o
f
t
h
e
f
o
r
e
c
a
s
t
i
n
g
h
o
r
i
z
o
n
p
l
a
y
s
a
c
r
uc
i
a
l
r
o
l
e
i
n
d
e
t
e
r
m
i
n
i
ng
t
h
e
a
c
c
ur
a
c
y
a
n
d
e
f
f
e
c
t
i
v
e
n
e
s
s
o
f
t
h
e
pr
e
di
c
t
i
o
n
s
[
17
]
.
F
o
r
e
c
a
s
t
i
n
g
h
o
r
i
z
o
n
s
a
r
e
t
y
p
i
c
a
ll
y
c
l
a
s
s
if
i
e
d
i
n
t
o
di
f
f
e
r
e
n
t
c
a
t
e
g
o
r
i
e
s
b
a
s
e
d
o
n
t
h
e
pr
e
d
i
c
t
i
o
n
dur
a
t
i
o
n
,
s
uc
h
a
s
s
h
o
r
t
-
te
r
m
,
m
e
d
i
u
m
-
t
e
r
m
,
a
n
d
l
o
n
g
-
t
e
r
m
f
o
r
e
c
a
s
t
i
n
g.
T
a
bl
e
4
pr
o
vi
de
s
a
n
o
v
e
r
vi
e
w
o
f
f
o
r
e
c
a
s
t
i
n
g
h
o
r
i
z
o
n
s
us
e
d
i
n
r
e
ne
wa
ble
e
n
e
r
g
y
pr
e
d
i
c
t
i
o
n
.
T
a
bl
e
4.
F
o
r
e
c
a
s
t
i
n
g
h
o
r
i
z
o
n
s
i
n
r
e
n
e
w
a
bl
e
e
n
e
r
g
y
f
o
r
e
c
a
s
t
i
n
g
[
17
]
T
y
p
e
D
e
s
c
r
ip
ti
o
n
S
hor
t
-
t
e
r
m
F
e
w
mi
nut
e
s
o
r
h
o
ur
s
u
p t
o
72 h
o
ur
s
a
he
a
d
M
e
di
um
-
t
e
r
m
F
r
o
m a
r
o
und 72 h
o
ur
s
t
o
a
f
e
w
w
e
e
ks
a
he
a
d
L
o
ng
-
t
e
r
m
F
r
o
m s
e
ve
r
a
l
w
e
e
ks
t
o
s
e
ve
r
a
l
m
o
n
th
s
o
r
e
ve
n
y
e
a
r
s
a
he
a
d
2.
5.
M
e
t
h
od
T
h
e
pr
o
c
e
s
s
f
o
l
l
o
we
d
t
o
f
i
n
d
p
e
r
t
i
n
e
n
t
r
e
s
e
a
r
c
h
a
r
ti
c
l
e
s
i
nv
o
l
v
e
s
f
o
ur
s
t
a
ge
s
:
c
h
o
o
s
i
n
g
ke
y
wo
r
ds
a
n
d
s
e
l
e
c
t
i
n
g
a
da
t
a
b
a
s
e
,
s
e
tt
i
n
g
c
r
i
t
e
r
i
a
f
o
r
f
i
l
t
e
r
i
n
g
t
h
e
s
e
a
r
c
h
,
s
e
l
e
c
t
i
n
g
r
e
s
e
a
r
c
h
a
r
t
i
c
l
e
s
,
a
n
d
c
o
n
duc
t
i
n
g
a
m
a
n
ua
l
s
c
r
e
e
ni
ng.
F
i
gur
e
2
i
l
l
u
s
t
r
a
t
e
s
t
h
e
pr
o
p
o
s
e
d
a
ppr
o
a
c
h
.
F
i
gur
e
2.
M
e
t
h
o
d
o
l
o
gy
pr
o
c
e
s
s
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2
5
0
2
-
4
7
52
M
ac
hine
lear
ning
mode
ls
in
r
e
ne
w
able
e
ne
r
gy
f
or
e
c
as
ti
ng
…
(
M
ohame
d
Y
as
s
ine
R
haf
e
s
)
1877
2.
5.
1
.
C
h
oos
in
g
k
e
ywor
d
s
an
d
s
e
l
e
c
t
in
g
a
da
t
ab
as
e
T
h
e
s
e
l
e
c
t
i
o
n
o
f
t
h
e
S
c
o
pus
da
t
a
b
a
s
e
f
o
r
s
o
ur
c
i
n
g
a
r
t
i
c
l
e
s
wa
s
b
a
s
e
d
o
n
i
t
s
r
e
put
a
t
i
o
n
f
o
r
de
l
i
ve
r
i
ng
da
t
a
o
f
s
up
e
r
i
o
r
qua
l
i
t
y
.
S
c
o
pus
pr
o
vi
de
s
a
c
o
m
pr
e
h
e
ns
i
ve
c
o
l
l
e
c
t
i
o
n
o
f
d
i
ve
r
s
e
pu
bli
c
a
t
i
o
ns
,
e
n
c
o
m
pa
s
s
i
ng
a
r
t
i
c
l
e
a
n
d
c
o
nf
e
r
e
n
c
e
pa
p
e
r
s
,
b
o
o
ks
,
a
n
d
v
a
r
i
o
u
s
we
b
s
i
t
e
s
a
c
r
o
s
s
ke
y
d
i
s
c
i
p
li
ne
s
[
39
]
.
Nu
m
e
r
o
us
que
r
y
s
t
r
i
n
gs
w
e
r
e
e
m
p
l
o
y
e
d
to
i
de
n
t
i
f
y
pu
bl
i
c
a
t
i
o
n
s
r
e
l
e
v
a
n
t
to
o
u
r
to
pi
c
,
i
nc
l
ud
i
ng
t
e
r
m
s
l
i
k
e
“
m
a
c
hi
ne
l
e
a
r
ni
ng”
,
“
f
o
r
e
c
a
s
t
i
n
g
”
,
“
pr
e
d
i
c
t
i
o
n
”
,
a
n
d
o
t
h
e
r
s
r
e
l
a
t
e
d
to
r
e
n
e
wa
bl
e
e
n
e
r
g
y
s
uc
h
a
s
“
r
e
n
e
wa
bl
e
e
n
e
r
g
y”
,
“
s
o
l
a
r
e
n
e
r
g
y
”
,
“
w
i
n
d
e
n
e
r
g
y
”
,
“
po
we
r
pr
e
d
i
c
t
i
o
n
”
a
n
d
ot
h
e
r
s
.
Us
i
n
g
t
h
e
s
e
t
a
r
ge
t
e
d
ke
y
wo
r
ds
,
we
c
o
l
l
e
c
t
e
d
a
l
a
r
ge
n
u
m
be
r
o
f
pa
pe
r
s
.
2.
5.
2
.
S
e
t
t
in
g
c
r
it
e
r
ia
f
o
r
f
i
l
t
e
r
in
g
t
h
e
s
e
ar
c
h
I
n
t
h
e
pr
o
c
e
s
s
o
f
r
e
f
i
n
i
ng
o
ur
s
e
a
r
c
h
f
o
r
r
e
l
e
va
n
t
r
e
s
e
a
r
c
h
a
r
t
i
c
l
e
s
,
s
pe
c
i
f
i
c
c
r
i
t
e
r
i
a
we
r
e
e
s
t
a
bl
i
s
he
d
to
f
il
t
e
r
t
h
e
r
e
s
u
l
t
s
,
e
n
s
ur
i
ng
b
o
t
h
r
e
l
e
v
a
n
c
e
a
n
d
qua
l
i
t
y
.
F
i
r
s
t
l
y
,
t
h
e
do
c
um
e
n
t
t
y
pe
wa
s
r
e
s
t
r
i
c
t
e
d
to
j
o
ur
n
a
l
a
r
t
i
c
l
e
s
,
a
c
h
o
i
c
e
m
a
de
t
o
f
o
c
us
o
n
pe
e
r
-
r
e
vi
e
we
d
a
c
a
de
m
i
c
r
e
s
e
a
r
c
h
.
R
e
ga
r
d
i
n
g
t
h
e
pu
bli
c
a
t
i
o
n
y
e
a
r
,
we
n
a
r
r
o
we
d
o
u
r
s
c
o
pe
to
a
r
t
i
c
l
e
s
pu
bli
s
h
e
d
b
e
t
we
e
n
2019
a
n
d
2023.
T
hi
s
t
i
m
e
f
r
a
m
e
wa
s
s
e
l
e
c
t
e
d
to
c
a
pt
ur
e
t
h
e
m
o
s
t
r
e
c
e
n
t
de
v
e
l
o
p
m
e
n
t
s
a
n
d
t
r
e
n
ds
,
e
n
s
ur
i
ng
t
h
a
t
t
h
e
a
n
a
ly
s
i
s
i
s
b
a
s
e
d
o
n
up
-
to
-
da
t
e
i
nf
o
r
m
a
t
i
o
n
a
nd
m
o
de
r
n
r
e
s
e
a
r
c
h
f
i
nd
i
ngs
.
L
a
s
t
l
y
,
l
a
n
gu
a
ge
wa
s
a
c
r
i
t
i
c
a
l
f
il
t
e
r
,
we
l
im
i
t
e
d
o
ur
s
e
a
r
c
h
to
a
r
t
i
c
l
e
s
wr
i
tt
e
n
e
n
t
i
r
e
ly
i
n
E
n
g
li
s
h
.
T
h
e
s
e
c
r
i
t
e
r
i
a
we
r
e
e
s
s
e
n
t
i
a
l
i
n
s
im
p
li
f
yi
ng
t
h
e
s
e
a
r
c
h
a
n
d
o
b
t
a
i
ni
ng
t
h
e
m
o
s
t
r
e
l
e
v
a
n
t
a
n
d
hi
g
h
-
qua
l
i
t
y
pa
pe
r
s
.
2.
5.
3
.
S
e
l
e
c
t
in
g
r
e
s
e
a
r
c
h
ar
t
ic
l
e
s
F
o
r
o
ur
a
n
a
ly
s
i
s
,
we
c
a
r
e
f
u
l
ly
c
h
o
s
e
a
r
t
i
c
l
e
s
t
h
a
t
w
e
r
e
s
pe
c
i
f
i
c
a
ll
y
f
o
c
us
e
d
o
n
s
o
l
a
r
a
n
d
w
i
n
d
e
n
e
r
g
y
,
w
i
t
h
a
n
a
dd
i
t
i
o
n
a
l
e
m
p
ha
s
i
s
o
n
t
h
e
i
r
r
e
l
a
t
i
o
n
s
hi
p
w
i
t
h
M
L
.
T
hi
s
pr
e
c
i
s
e
c
r
i
t
e
r
i
o
n
wa
s
c
r
uc
i
a
l
t
o
e
n
s
ur
e
t
h
a
t
o
ur
r
e
vi
e
w
r
e
m
a
i
ne
d
f
o
c
u
s
e
d
o
n
t
h
e
i
n
t
e
r
s
e
c
t
i
o
n
o
f
R
E
a
n
d
t
e
c
hn
o
l
o
g
i
c
a
l
a
d
v
a
n
c
e
m
e
n
t
s
i
n
M
L
.
T
a
bl
e
5
pr
e
s
e
n
t
s
t
h
e
a
r
t
i
c
l
e
s
s
e
l
e
c
t
e
d
f
o
r
t
hi
s
s
t
ud
y
.
T
a
bl
e
5.
P
a
pe
r
s
s
e
l
e
c
t
e
d
f
o
r
r
e
vi
e
w
Y
e
a
r
R
e
f
S
o
u
r
c
e
s
of
e
ne
r
g
y
2019
[4
0
]
-
[4
4
]
S
o
la
r
[4
4
]
, [
4
5
]
W
in
d
2020
[4
6
]
, [
4
7
]
S
o
la
r
[4
8
]
, [
49
]
W
in
d
2021
[5
0
]
, [
5
1
]
S
o
la
r
[5
2
]
, [
5
3
]
W
in
d
2022
[5
4
]
, [
5
5
]
S
o
la
r
[5
6
]
, [
5
7
]
W
in
d
2023
[5
8
]
, [
59
]
S
o
la
r
[6
0
]
W
in
d
2.
5.
4.
M
an
u
al
s
c
r
e
e
n
in
g
C
o
n
t
i
n
u
i
ng
w
i
t
h
o
ur
r
e
s
e
a
r
c
h
pr
o
c
e
s
s
,
t
h
e
upc
o
m
i
ng
s
e
c
t
i
o
n
w
i
ll
d
i
s
p
l
a
y
i
n
-
d
e
pt
h
r
e
s
u
l
t
s
f
r
o
m
o
ur
m
a
n
ua
l
s
c
r
e
e
ni
ng
.
T
hi
s
pa
r
t
o
f
o
ur
s
t
udy
i
s
de
d
ica
t
e
d
to
c
l
o
s
e
ly
e
xa
m
i
n
i
ng
t
h
e
a
r
t
i
c
l
e
s
we
i
n
i
t
i
a
ll
y
c
h
o
s
e
,
s
pe
c
i
f
i
c
a
l
ly
c
o
n
c
e
n
t
r
a
t
i
n
g
o
n
t
h
e
r
e
s
u
l
t
s
of
t
h
e
i
r
r
e
l
e
v
a
n
c
e
to
s
o
l
a
r
a
n
d
w
i
n
d
e
n
e
r
g
y
a
n
d
t
h
e
i
r
c
onn
e
c
t
i
o
n
w
i
t
h
M
L
.
3.
RE
S
UL
T
S
AN
D
DI
S
CU
S
S
I
ON
I
n
t
hi
s
s
e
c
t
i
o
n
,
we
wi
ll
de
t
a
i
l
t
h
e
s
t
ud
i
e
s
c
h
o
s
e
n
f
r
o
m
t
h
e
e
a
r
l
i
e
r
s
e
c
t
i
o
n
.
W
e
s
t
a
r
t
by
de
s
c
r
i
bi
ng
t
h
e
c
o
m
pa
r
i
s
o
n
c
r
i
t
e
r
i
a
o
ut
l
i
ne
d
i
n
T
a
bl
e
s
5
a
n
d
6
(
i
n
A
ppe
n
d
i
x
)
:
M
o
de
l
s
:
t
h
e
f
o
r
e
c
a
s
t
i
n
g
m
o
de
l
s
us
e
d
i
n
e
a
c
h
s
t
udy
.
Da
t
a
s
e
t
:
t
h
e
da
t
a
u
t
i
l
i
z
e
d
f
o
r
tr
a
i
ni
n
g,
t
e
s
t
i
n
g,
a
n
d
e
v
a
l
ua
t
i
n
g
e
a
c
h
m
o
de
l
.
F
e
a
t
ur
e
s
:
t
h
e
i
n
put
v
a
r
i
a
bl
e
s
us
e
d
i
n
t
h
e
m
o
de
l
t
r
a
i
ni
ng
pr
o
c
e
s
s
.
T
a
r
ge
t
s
:
t
h
e
pr
e
d
i
c
t
e
d
o
u
t
c
o
m
e
s
f
r
o
m
t
h
e
m
o
de
l
s
.
F
o
r
e
c
a
s
t
i
n
g
h
o
r
i
z
o
n
:
t
h
e
t
i
m
e
s
p
a
n
t
h
e
pr
e
di
c
t
i
o
ns
c
o
v
e
r
.
M
e
t
r
i
c
s
:
th
e
e
v
a
l
ua
t
i
o
n
t
e
c
hni
que
s
e
m
p
l
o
y
e
d
to
m
e
a
s
ur
e
a
n
d
i
m
pr
o
v
e
t
h
e
m
o
de
l
’
s
e
f
f
e
c
t
i
v
e
n
e
s
s
.
B
e
s
t
m
o
de
l
:
t
h
e
m
o
de
l
t
h
a
t
a
c
hi
e
v
e
d
t
h
e
hi
g
h
e
s
t
pe
r
f
o
r
m
a
n
c
e
i
n
t
h
e
t
e
s
t
s
e
t
.
V1:
gl
o
b
a
l
h
o
r
i
z
o
n
t
a
l
i
r
r
a
d
i
a
t
i
o
n
,
V2:
t
e
m
p
e
r
a
t
ur
e
,
V3:
wi
n
d
s
p
e
e
d
,
V4:
r
e
l
a
t
i
v
e
h
u
m
i
d
i
t
y
,
V5:
a
t
m
o
s
ph
e
r
i
c
pr
e
s
s
ur
e
,
V6:
d
i
f
f
us
e
h
o
r
i
z
o
n
t
a
l
i
r
r
a
d
i
a
n
c
e
,
V7:
t
i
m
e
s
t
a
m
p
,
V8:
pr
e
c
i
p
i
t
a
t
i
o
n
,
V9:
wi
n
d
d
i
r
e
c
t
i
o
n
,
V10:
P
V
s
ur
f
a
c
e
t
e
m
pe
r
a
t
ur
e
,
V11:
r
a
d
i
a
t
i
o
n
,
V12:
b
e
a
m
n
o
r
m
a
l
i
r
r
a
d
i
a
n
c
e
,
V13:
c
l
e
a
r
-
s
k
y
g
l
o
b
a
l
h
o
r
i
z
o
n
t
a
l
,
V14:
s
o
l
a
r
po
we
r
,
V15:
v
a
po
r
p
r
e
s
s
ur
e
,
V16:
r
a
i
nf
a
l
l
t
y
pe
,
V17:
s
k
y
t
y
pe
,
V18:
e
l
e
v
a
t
i
on
,
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2
5
0
2
-
4
7
52
In
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
,
Vo
l
.
3
7
,
N
o
.
3
,
M
a
r
c
h
20
2
5
:
1
87
4
-
1
88
6
1878
V19:
we
e
k
l
y
i
nde
x
,
V20:
dus
t
a
c
c
u
m
u
l
a
t
i
o
n
,
V21:
c
l
o
ud
(
a
n
d
ot
h
e
r
s
r
e
l
a
t
e
d
to
c
l
o
ud
c
o
v
e
r
)
,
V22:
P
V
p
o
we
r
o
u
t
pu
t,
V23:
c
o
n
c
e
n
t
r
a
t
e
d
s
o
l
a
r
r
a
d
i
a
t
i
o
n
,
V24:
no
n
-
c
o
n
c
e
n
t
r
a
t
e
d
s
o
l
a
r
r
a
d
i
a
t
i
o
n
,
V25:
da
i
ly
a
v
e
r
a
ge
w
i
n
d
s
pe
e
d,
V26:
da
i
ly
a
v
e
r
a
ge
s
u
n
s
hi
ne
dur
a
t
i
o
n
,
V27:
da
i
ly
a
v
e
r
a
ge
t
e
m
pe
r
a
t
ur
e
,
V28:
A
z
im
ut
h
,
V29:
de
c
l
i
na
t
i
o
n
a
n
g
l
e
,
V30:
m
a
xim
u
m
po
we
r
o
f
th
e
c
e
ll
,
V31:
U
l
t
r
a
vi
o
l
e
t
,
V32:
de
w
p
o
i
n
t
t
e
m
pe
r
a
tur
e
.
T
h
e
r
e
s
u
l
t
s
pr
e
s
e
n
t
e
d
i
n
T
a
bl
e
6
de
m
o
ns
t
r
a
t
e
t
h
e
d
i
v
e
r
s
i
t
y
o
f
ML
m
o
de
l
s
us
e
d
i
n
t
h
e
s
e
s
t
ud
i
e
s
[4
0]
-
[
4
4
]
,
[4
6
]
,
[
4
7
]
,
[5
0
]
,
[
5
1
]
,
[5
4
]
,
[
5
5
]
,
[5
8
]
,
[
59
]
.
T
hi
s
d
i
ve
r
s
i
t
y
r
e
f
l
e
c
t
s
t
h
e
v
a
r
i
e
d
da
t
a
s
e
t
s
e
m
p
l
o
y
e
d
i
n
e
a
c
h
s
t
ud
y
,
i
n
d
i
c
a
t
i
n
g
t
h
a
t
n
o
uni
v
e
r
s
a
l
m
o
de
l
i
s
s
u
i
t
a
bl
e
f
o
r
a
l
l
c
a
s
e
s
.
I
n
t
h
e
c
o
n
t
e
x
t
o
f
i
de
n
t
i
f
yi
ng
t
h
e
b
e
s
t
m
o
de
l
f
o
r
e
a
c
h
s
t
udy
,
we
f
o
un
d
t
h
a
t
de
c
i
s
i
o
n
t
r
e
e
(
DT
)
,
pa
r
t
i
c
u
l
a
r
ly
r
a
n
do
m
f
o
r
e
s
t
(
RF
)
,
de
m
o
n
s
t
r
a
ted
b
e
tt
e
r
a
c
c
ur
a
c
y
,
w
i
t
h
42.
9%
,
f
o
l
l
o
we
d
by
a
r
t
i
f
i
c
i
a
l
n
e
u
r
a
l
n
e
t
wor
k
(
A
NN
)
a
n
d
K
-
ne
a
r
e
s
t
n
e
i
g
hb
o
r
(
K
-
NN
)
w
i
t
h
14.
3%
e
a
c
h
,
a
n
d
s
uppo
r
t
v
e
c
to
r
r
e
gr
e
s
s
i
o
n
(
S
VR
)
,
e
x
t
r
e
m
e
l
e
a
r
ni
ng
m
a
c
hi
ne
(
E
L
M
)
,
L
i
g
h
t
GB
M
,
a
nd
R
i
dg
e
w
i
t
h
7.
1%
e
a
c
h
.
T
h
e
s
e
r
e
s
u
l
t
s
s
ugge
s
t
t
h
a
t
R
F
,
A
NN
,
a
n
d
K
-
NN
a
r
e
m
o
r
e
s
ui
t
a
bl
e
f
o
r
h
a
n
d
li
ng
c
o
m
p
l
e
x
da
t
a
a
n
d
u
n
c
o
v
e
r
i
ng
hi
dde
n
we
a
t
h
e
r
pa
tt
e
r
n
s
i
n
da
t
a
s
e
t
s
.
W
e
c
o
n
c
l
ud
e
t
h
a
t
f
ut
ur
e
w
o
r
k
s
h
o
u
l
d
f
o
c
us
o
n
c
om
bi
ni
n
g
th
e
s
e
m
ode
l
s
i
n
to
a
hy
b
r
i
d
m
o
de
l
,
whi
c
h
c
ou
l
d
b
e
i
m
p
o
r
tan
t
f
or
a
c
hi
e
vi
n
g
b
e
tt
e
r
a
c
c
u
r
a
c
y
.
F
i
gu
r
e
3
pr
e
s
e
n
t
s
t
h
e
d
i
s
t
r
i
b
ut
i
o
n
o
f
t
h
e
to
p
-
pe
r
f
o
r
m
i
ng
m
o
de
l
s
i
n
s
e
l
e
c
t
e
d
s
t
udi
e
s
.
I
n
t
h
e
r
e
a
l
m
o
f
f
e
a
t
ur
e
s
us
e
d
i
n
e
a
c
h
s
t
ud
y
,
t
h
e
r
e
i
s
s
i
g
ni
f
i
c
a
n
t
v
a
r
i
a
t
i
o
n
,
b
ut
s
o
m
e
a
r
e
c
o
m
m
o
nly
s
e
l
e
c
t
e
d.
Gl
o
ba
l
h
o
r
i
z
o
n
t
a
l
i
r
r
a
d
i
a
t
i
o
n
a
n
d
t
e
m
pe
r
a
t
ur
e
we
r
e
us
e
d
i
n
12.
1%
o
f
t
h
e
s
t
ud
i
e
s
,
w
i
n
d
s
p
e
e
d
a
nd
r
e
l
a
t
i
v
e
h
u
mi
d
i
t
y
i
n
7.
6%
e
a
c
h
,
a
n
d
A
t
m
o
s
p
h
e
r
i
c
pr
e
s
s
ur
e
i
n
6.
1%
.
D
i
f
f
u
s
e
h
o
r
i
z
o
n
t
a
l
i
r
r
a
d
i
a
n
c
e
,
t
i
m
e
s
t
a
m
p,
a
n
d
pr
e
c
i
p
i
t
a
t
i
o
n
a
ppe
a
r
e
d
i
n
4.
5%
o
f
t
h
e
s
t
udi
e
s
e
a
c
h
,
whil
e
w
i
nd
d
i
r
e
c
t
i
o
n
,
P
V
s
ur
f
a
c
e
t
e
m
pe
r
a
t
ur
e
,
a
n
d
r
a
d
i
a
t
i
o
n
we
r
e
i
n
c
l
ude
d
i
n
3.
0%
e
a
c
h
.
T
h
e
ot
h
e
r
f
e
a
t
ur
e
s
we
r
e
us
e
d
i
n
1.
5%
o
f
t
h
e
s
t
udi
e
s
e
a
c
h
.
W
e
c
o
n
c
l
ude
t
h
a
t
f
ut
ur
e
w
o
r
k
s
h
o
ul
d
pr
i
o
r
i
t
i
z
e
t
h
e
r
e
f
i
ne
m
e
n
t
o
f
f
e
a
t
ur
e
s
t
h
r
o
ugh
t
h
e
us
e
o
f
f
e
a
t
ur
e
s
e
l
e
c
t
i
o
n
t
e
c
hni
que
s
.
F
i
gur
e
4
pr
e
s
e
n
t
s
t
h
e
di
s
t
r
i
b
ut
i
o
n
o
f
t
h
e
f
e
a
t
ur
e
s
i
n
s
e
l
e
c
t
e
d
s
t
udi
e
s
.
F
i
gur
e
3.
D
i
s
t
r
i
b
ut
i
o
n
o
f
t
h
e
to
p
-
pe
r
f
o
r
m
i
n
g
m
o
de
ls
i
n
s
e
l
e
c
t
e
d
s
o
l
a
r
e
ne
r
g
y
s
t
ud
i
e
s
F
i
gur
e
4.
Di
s
t
r
i
b
ut
i
o
n
o
f
f
e
a
t
ur
e
s
i
n
s
e
l
e
c
t
e
d
s
o
l
a
r
e
n
e
r
g
y
s
t
ud
i
e
s
I
de
n
t
i
f
yi
ng
t
h
e
f
o
r
e
c
a
s
t
i
n
g
h
o
r
i
z
o
n
i
s
a
n
i
mpo
r
t
a
n
t
s
t
e
p
i
n
r
e
n
e
w
a
bl
e
e
n
e
r
g
y
pr
e
d
i
c
t
i
o
n
.
S
t
udi
e
s
[4
0
]
-
[4
4
]
,
[4
6
]
,
[
4
7
]
,
[5
1
]
,
[5
4
]
,
[
5
5
]
,
[5
8
]
,
[
59
]
f
o
c
us
o
n
s
h
o
r
t
-
t
e
r
m
pr
e
d
i
c
t
i
o
n
,
w
hi
l
e
o
nl
y
s
t
ud
y
[5
0
]
a
ddr
e
s
s
e
s
m
e
d
i
u
m
-
t
e
r
m
a
n
d
l
o
ng
-
t
e
r
m
f
o
r
e
c
a
s
t
i
n
g
.
T
h
e
s
e
f
i
n
d
i
ng
s
hi
g
hli
g
h
t
a
ga
p
i
n
m
e
d
i
u
m
-
t
e
r
m
a
n
d
l
o
n
g
-
t
e
r
m
f
o
r
e
c
a
s
t
i
n
g,
s
ugge
s
t
i
n
g
t
h
a
t
f
ut
ur
e
w
o
r
k
s
h
ou
l
d
f
o
c
us
o
n
t
h
e
s
e
a
r
e
a
s
.
F
i
gur
e
5
pr
e
s
e
n
t
s
t
h
e
d
i
s
t
r
i
b
ut
i
o
n
o
f
f
o
r
e
c
a
s
t
i
n
g
h
o
r
i
z
o
n
s
i
n
s
e
l
e
c
t
e
d
s
t
udi
e
s
.
F
i
gur
e
5.
Di
s
t
r
i
b
ut
i
o
n
o
f
f
o
r
e
c
a
s
t
i
n
g
h
o
r
i
z
o
n
s
i
n
s
e
l
e
c
t
e
d
s
o
l
a
r
e
n
e
r
g
y
s
t
udi
e
s
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2
5
0
2
-
4
7
52
M
ac
hine
lear
ning
mode
ls
in
r
e
ne
w
able
e
ne
r
gy
f
or
e
c
as
ti
ng
…
(
M
ohame
d
Y
as
s
ine
R
haf
e
s
)
1879
V1:
w
i
n
d
s
pe
e
d,
V2:
w
i
n
d
d
i
r
e
c
t
i
o
n
,
V3:
t
i
m
e
s
t
a
m
p,
V4:
wi
n
d
p
o
we
r
,
V5:
A
t
m
o
s
phe
r
i
c
pr
e
s
s
ur
e
,
V6:
t
e
m
pe
r
a
t
ur
e
,
V7:
a
v
e
r
a
ge
o
f
w
i
n
d
s
pe
e
d,
V8:
s
t
a
n
da
r
d
de
vi
a
t
i
o
n
o
f
w
i
n
d
s
pe
e
d,
V9:
w
i
n
d
c
o
m
po
n
e
n
t
s
,
V10:
w
i
n
d
n
o
r
m
,
V11:
l
o
n
g
i
t
ude
,
V12:
l
a
t
i
t
ude
,
V
13:
h
e
i
g
h
t
,
V14:
r
o
l
l
,
V15:
p
i
t
c
h
,
V16:
y
a
w,
V17:
s
a
t
e
l
l
i
t
e
c
o
un
t
,
V18:
t
o
wi
n
g
s
pe
e
d,
V19:
c
o
n
t
r
o
l
li
ne
len
gt
h
,
V20:
m
a
ne
u
v
e
r
t
y
pe
,
V21:
n
u
m
be
r
o
f
s
a
t
e
l
li
t
e
s
,
V22:
t
h
e
o
r
e
t
i
c
a
l
po
we
r
,
V23:
l
o
c
a
l
i
z
a
t
i
o
n
o
f
w
i
nd
t
ur
bi
n
e
s
,
V24:
r
e
l
a
t
i
v
e
h
u
mi
d
i
t
y
,
V25:
M
e
t
m
a
s
t
we
a
t
h
e
r
m
e
a
s
ur
e
m
e
n
t
s
,
V26:
w
i
n
d
f
a
r
m
c
ur
t
a
i
lm
e
n
t
,
V27:
a
ggr
e
ga
t
e
p
o
we
r
,
V28:
n
u
m
b
e
r
o
f
t
ur
bi
ne
s
o
nl
i
ne
,
V29:
t
ur
bi
n
e
po
we
r
,
V30:
t
ur
bi
n
e
we
a
t
h
e
r
,
V31:
b
l
a
de
a
n
g
l
e
,
V32:
t
u
r
bi
n
e
c
ur
t
a
i
l
m
e
n
t
.
T
h
e
r
e
s
u
l
t
s
pr
e
s
e
n
t
e
d
i
n
T
a
bl
e
7
i
n
A
ppe
n
d
i
x
de
mo
n
s
t
r
a
t
e
t
h
e
di
v
e
r
s
i
t
y
o
f
M
L
m
o
de
l
s
us
e
d
f
o
r
wi
n
d
e
n
e
r
g
y
f
o
r
e
c
a
s
t
i
n
g
i
n
t
h
e
s
e
s
t
udi
e
s
[4
4
]
,
[
4
5
]
,
[4
8
]
,
[
49
]
,
[5
2
]
,
[
5
3
]
,
[5
6
]
,
[
5
7
]
,
[6
0
]
.
S
i
mi
l
a
r
ly
,
to
s
o
l
a
r
e
n
e
r
g
y
f
o
r
e
c
a
s
t
i
n
g
s
t
ud
i
e
s
,
t
hi
s
d
i
v
e
r
s
i
t
y
de
m
o
ns
t
r
a
t
e
s
t
h
a
t
n
o
uni
v
e
r
s
a
l
m
o
de
l
i
s
s
u
i
t
a
bl
e
f
o
r
a
l
l
c
a
s
e
s
.
T
h
e
c
h
o
i
c
e
o
f
t
h
e
m
o
s
t
a
ppr
o
pr
i
a
t
e
m
o
de
l
de
pe
n
ds
o
n
t
h
e
s
pe
c
i
f
i
c
a
pp
l
i
c
a
t
i
o
n
a
n
d
t
h
e
da
t
a
f
r
o
m
t
h
e
l
o
c
a
l
c
li
m
a
t
i
c
z
o
n
e
.
Am
o
n
g
t
h
e
b
e
s
t
m
o
de
l
s
i
de
n
t
i
f
i
e
d
i
n
e
a
c
h
s
t
udy
,
DT
,
i
nc
l
ud
i
n
g
R
F
,
GB
M
,
a
n
d
e
x
t
r
e
m
e
gr
a
d
i
e
n
t
b
o
o
s
t
i
n
g
(
XG
B
oo
s
t
)
,
a
r
e
t
h
e
m
o
s
t
f
r
e
que
n
t
l
y
us
e
d,
a
c
c
o
un
t
i
n
g
f
o
r
66.
7%
o
f
c
a
s
e
s
,
f
o
l
l
o
we
d
by
A
NN
,
GB
R
,
S
VR
,
a
n
d
v
o
t
i
n
g
r
e
gr
e
s
s
o
r
(
VR
)
,
e
a
c
h
a
t
8
.
3%
.
F
i
gur
e
6
pr
e
s
e
n
t
s
t
h
e
d
i
s
t
r
i
b
ut
i
o
n
o
f
t
h
e
to
p
-
pe
r
f
o
r
m
i
ng
m
o
de
l
s
in
s
e
l
e
c
t
e
d
s
t
udi
e
s
.
T
h
e
d
i
ve
r
s
i
t
y
o
f
da
t
a
s
e
t
s
e
m
p
l
o
y
e
d
i
n
e
a
c
h
s
t
ud
y
hi
g
hli
g
h
t
s
t
h
e
v
a
r
i
e
t
y
o
f
f
e
a
t
ur
e
s
us
e
d
a
c
r
o
s
s
t
h
e
s
t
udi
e
s
,
a
l
t
h
o
ugh
s
o
m
e
a
r
e
c
o
m
m
o
nly
s
e
l
e
c
t
e
d
i
n
w
i
n
d
e
ne
r
g
y
f
o
r
e
c
a
s
t
i
n
g.
W
i
nd
s
pe
e
d
wa
s
e
m
p
l
o
y
e
d
i
n
12.
5%
o
f
t
h
e
s
t
udi
e
s
,
w
i
n
d
d
i
r
e
c
t
i
o
n
i
n
8.
3%
,
wi
n
d
po
we
r
a
n
d
t
i
m
e
s
t
a
m
p
i
n
6.
3%
e
a
c
h
,
a
n
d
a
t
m
o
s
ph
e
r
i
c
pr
e
s
s
ur
e
,
t
e
m
p
e
r
a
t
ur
e
,
a
v
e
r
a
ge
w
i
n
d
s
pe
e
d,
a
n
d
t
h
e
s
t
a
n
da
r
d
de
vi
a
t
i
o
n
o
f
w
i
nd
s
pe
e
d
e
a
c
h
i
n
4.
2%
.
T
h
e
ot
h
e
r
f
e
a
t
ur
e
s
we
r
e
us
e
d
i
n
2.
1%
o
f
t
h
e
s
t
udi
e
s
e
a
c
h
.
F
i
g
ur
e
7
p
r
e
s
e
n
t
s
t
h
e
d
i
s
t
r
i
b
ut
i
o
n
o
f
f
e
a
t
ur
e
s
.
F
i
gur
e
6.
D
i
s
t
r
i
b
ut
i
o
n
o
f
t
h
e
to
p
-
pe
r
f
o
r
m
i
n
g
m
o
de
ls
i
n
s
e
l
e
c
t
e
d
w
i
n
d
e
n
e
r
g
y
s
t
ud
i
e
s
F
i
gur
e
7.
Di
s
t
r
i
b
ut
i
o
n
o
f
f
e
a
t
ur
e
s
i
n
s
e
l
e
c
t
e
d
w
i
n
d
e
n
e
r
g
y
s
t
ud
i
e
s
S
i
m
il
a
r
to
s
o
l
a
r
e
n
e
r
g
y
f
o
r
e
c
a
s
t
i
n
g,
de
t
e
r
m
i
n
i
ng
f
o
r
e
c
a
s
t
i
n
g
h
o
r
i
z
o
n
s
i
n
w
i
n
d
e
n
e
r
g
y
i
s
a
c
r
uc
i
a
l
s
t
e
p.
S
t
udi
e
s
[4
4
]
,
[
49
]
,
[5
2
]
,
[
5
3
]
,
[5
6
]
,
[
5
7
]
,
[6
0
]
f
o
c
us
o
n
s
h
o
r
t
-
t
e
r
m
f
o
r
e
c
a
s
t
i
n
g
h
o
r
i
z
o
n
,
whil
e
o
nly
s
t
ud
i
e
s
[4
4
]
,
[4
8
]
a
ddr
e
s
s
l
o
n
g
-
t
e
r
m
f
o
r
e
c
a
s
t
i
n
g
h
o
r
i
z
o
n
.
T
hi
s
a
l
s
o
hi
g
hli
g
h
t
s
a
s
i
mi
l
a
r
ga
p
i
n
w
i
nd
e
n
e
r
g
y
f
o
r
e
c
a
s
t
i
n
g
f
o
r
m
e
d
i
u
m
-
t
e
r
m
a
n
d
l
o
n
g
-
t
e
r
m
h
o
r
i
z
o
n
s
,
s
ugge
s
t
i
n
g
t
h
a
t
f
ut
ur
e
w
o
r
k
s
h
o
ul
d
c
o
n
c
e
n
t
r
a
t
e
o
n
t
h
e
s
e
a
r
e
a
s
.
F
i
gur
e
8
pr
e
s
e
n
t
s
t
h
e
d
i
s
t
r
i
b
ut
i
o
n
o
f
f
o
r
e
c
a
s
t
i
ng
h
o
r
i
z
o
ns
i
n
s
e
l
e
c
t
e
d
s
t
udi
e
s
.
F
i
gur
e
8
.
Di
s
t
r
i
b
ut
i
o
n
o
f
f
o
r
e
c
a
s
t
i
n
g
h
o
r
i
z
o
n
s
i
n
s
e
l
e
c
t
e
d
w
i
n
d
e
n
e
r
g
y
s
t
ud
i
e
s
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2
5
0
2
-
4
7
52
In
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
,
Vo
l
.
3
7
,
N
o
.
3
,
M
a
r
c
h
20
2
5
:
1
87
4
-
1
88
6
1880
B
ot
h
s
o
l
a
r
a
n
d
w
i
nd
e
n
e
r
g
y
f
o
r
e
c
a
s
t
i
n
g
s
t
ud
i
e
s
e
m
p
l
o
y
a
v
a
r
i
e
t
y
o
f
e
v
a
l
ua
t
i
o
n
m
e
t
r
i
c
s
,
i
n
c
l
ud
i
ng
M
A
E
,
r
oot
m
e
a
n
s
qua
r
e
d
e
r
r
or
(
R
M
S
E
)
,
R
2
-
s
c
o
r
e
,
M
S
E
,
M
A
P
E
,
M
B
E
,
M
R
E
,
F
S
,
t
-
s
t
a
t,
n
R
M
S
E
,
n
M
A
E
,
a
n
d
n
M
B
E
to
a
s
s
e
s
s
m
o
de
l
pe
r
f
o
r
m
a
n
c
e
.
T
hi
s
di
ve
r
s
i
t
y
i
n
m
e
t
r
i
c
s
un
de
r
s
c
o
r
e
s
t
h
a
t
n
o
s
i
n
g
l
e
e
va
l
ua
t
i
o
n
m
e
t
r
i
c
i
s
uni
ve
r
s
a
ll
y
a
pp
li
c
a
bl
e
to
a
l
l
m
o
de
l
s
.
Ho
we
v
e
r
,
s
o
m
e
m
e
t
r
i
c
s
a
r
e
m
o
r
e
c
o
m
m
o
nly
s
e
l
e
c
t
e
d
t
h
a
n
ot
h
e
r
s
:
M
A
E
wa
s
e
m
p
l
o
y
e
d
i
n
26.
6%
o
f
s
t
udi
e
s
,
f
o
l
l
o
we
d
by
R
M
S
E
i
n
24.
6%
,
R
2
-
s
c
o
r
e
i
n
18.
5%
,
a
n
d
M
S
E
i
n
12.
3%
.
L
e
s
s
f
r
e
que
n
t
l
y
us
e
d
m
e
t
r
i
c
s
i
n
c
l
ud
e
nR
M
S
E
a
t
4
.
6%
,
M
A
P
E
a
n
d
n
M
A
E
a
t
3.
1%
e
a
c
h
,
a
nd
M
B
E
,
M
R
E
,
n
M
B
E
,
F
S
,
a
n
d
t
-
s
t
a
t,
e
a
c
h
a
t
1
.
5%
.
F
i
gur
e
9
pr
e
s
e
n
t
s
t
h
e
d
i
s
t
r
i
b
ut
i
o
n
o
f
e
v
a
l
ua
t
i
o
n
m
e
t
r
i
c
s
i
n
s
e
l
e
c
t
e
d
s
t
udi
e
s
.
F
i
gur
e
9
.
Di
s
t
r
i
b
ut
i
o
n
o
f
e
v
a
l
ua
t
i
o
n
m
e
t
r
i
c
s
i
n
s
e
l
e
c
t
e
d
s
o
l
a
r
a
n
d
w
i
n
d
e
n
e
r
g
y
s
t
udi
e
s
4.
CONL
USI
ON
T
hi
s
pa
pe
r
pr
e
s
e
n
t
s
a
c
o
m
pr
e
he
n
s
i
ve
s
y
s
t
e
m
a
t
i
c
l
i
t
e
r
a
t
ur
e
r
e
vi
e
w
o
n
t
h
e
us
e
o
f
ML
m
o
de
l
s
f
o
r
f
o
r
e
c
a
s
t
i
n
g
r
e
n
e
wa
bl
e
e
n
e
r
g
y
o
u
t
pu
t
s
,
pa
r
t
i
c
u
l
a
r
l
y
f
o
c
us
i
ng
o
n
s
o
l
a
r
a
n
d
w
i
nd
e
n
e
r
g
y
.
An
a
n
a
ly
s
i
s
o
f
21
s
t
udi
e
s
publi
s
h
e
d
f
r
o
m
2019
to
2023
de
m
o
n
s
t
r
a
t
e
d
t
h
a
t
t
h
e
m
o
de
l
s
e
m
p
l
o
y
e
d
i
n
t
h
e
s
e
r
e
s
e
a
r
c
h
e
f
f
o
r
t
s
can
m
a
n
a
g
e
t
h
e
c
o
m
p
l
e
xi
t
i
e
s
a
n
d
un
pr
e
d
i
c
t
a
bil
i
t
y
c
h
a
r
a
c
t
e
r
i
s
t
i
c
o
f
r
e
ne
wa
bl
e
e
n
e
r
g
y
r
e
s
o
ur
c
e
s
.
I
t
’
s
n
o
t
e
d
t
h
a
t
DT
we
r
e
t
h
e
m
o
s
t
us
e
d
m
e
t
h
o
d
i
n
f
o
r
e
c
a
s
t
i
n
g
r
e
n
e
wa
bl
e
e
n
e
r
g
y
o
ut
pu
t
s
.
A
dd
i
t
i
o
n
a
ll
y
,
f
o
r
s
o
l
a
r
e
ne
r
g
y
,
t
h
e
c
o
m
m
o
nly
u
s
e
d
f
e
a
t
ur
e
s
a
r
e
gl
o
b
a
l
h
o
r
i
z
o
n
t
a
l
i
r
r
a
d
i
a
t
i
o
n
,
t
e
m
pe
r
a
t
ur
e
,
wi
n
d
s
pe
e
d,
r
e
l
a
t
i
ve
hu
m
i
d
i
t
y
,
a
t
m
o
s
phe
r
i
c
pr
e
s
s
ur
e
,
di
f
f
us
e
h
o
r
i
z
o
n
t
a
l
i
r
r
a
d
i
a
nc
e
,
t
i
m
e
s
t
a
m
p,
pr
e
c
i
p
i
t
a
t
i
o
n
,
w
i
n
d
d
i
r
e
c
t
i
o
n
,
P
V
s
ur
f
a
c
e
t
e
m
pe
r
a
t
ur
e
,
a
n
d
r
a
di
a
t
i
o
n
.
F
o
r
w
i
n
d
e
ne
r
g
y
,
t
h
e
c
o
m
m
o
nly
u
s
e
d
f
e
a
t
ur
e
s
i
nc
l
ud
e
w
i
n
d
s
p
e
e
d,
w
i
n
d
d
i
r
e
c
t
i
o
n
,
w
i
n
d
po
we
r
,
t
i
m
e
s
t
a
m
p,
a
t
m
o
s
ph
e
r
i
c
pr
e
s
s
ur
e
,
t
e
m
pe
r
a
t
ur
e
,
a
v
e
r
a
ge
w
i
n
d
s
pe
e
d,
a
n
d
t
h
e
s
t
a
n
da
r
d
de
vi
a
t
i
o
n
o
f
w
i
nd
s
pe
e
d.
S
t
udi
e
s
i
n
b
o
t
h
t
h
e
s
o
l
a
r
a
n
d
w
i
n
d
e
n
e
r
g
y
f
i
e
l
ds
f
o
c
us
o
n
s
h
o
r
t
-
t
e
r
m
f
o
r
e
c
a
s
t
i
n
g
ho
r
i
z
o
n
s
.
F
i
na
ll
y
,
M
A
E
,
R
M
S
E
,
R
2
-
s
c
o
r
e
,
a
n
d
M
S
E
a
r
e
t
h
e
e
v
a
l
ua
t
i
o
n
m
e
t
r
i
c
s
m
o
s
t
c
o
m
m
o
nly
us
e
d
c
o
m
pa
r
e
d
to
ot
h
e
r
m
e
t
r
i
c
s
.
B
u
i
l
d
i
ng
o
n
t
h
e
f
i
nd
i
ng
s
o
f
t
hi
s
li
t
e
r
a
t
ur
e
r
e
vi
e
w,
f
ut
ur
e
w
o
r
k
s
h
o
u
l
d
f
o
c
us
o
n
t
h
e
ut
i
li
z
a
t
i
o
n
o
f
hy
br
i
d
m
o
de
l
s
t
h
a
t
i
n
c
o
r
p
o
r
a
t
e
DT
,
a
i
m
i
ng
t
o
l
e
v
e
r
a
ge
t
h
e
s
t
r
e
n
gt
h
s
o
f
va
r
i
o
us
m
o
de
l
i
ng
t
e
c
hni
que
s
to
e
nh
a
nc
e
f
o
r
e
c
a
s
t
i
n
g
a
c
c
ur
a
c
y
.
A
dd
i
t
i
o
n
a
ll
y
,
t
h
e
r
e
i
s
a
c
r
i
t
i
c
a
l
n
e
e
d
f
o
r
t
h
e
de
v
e
l
o
p
m
e
n
t
a
n
d
a
pp
l
i
c
a
t
i
o
n
o
f
a
dv
a
nc
e
d
f
e
a
t
ur
e
s
e
l
e
c
t
i
o
n
t
e
c
hni
qu
e
s
to
i
de
n
t
i
f
y
t
h
e
m
o
s
t
a
de
qua
t
e
f
e
a
t
ur
e
s
f
o
r
s
pe
c
i
f
i
c
r
e
n
e
wa
bl
e
e
n
e
r
g
y
f
o
r
e
c
a
s
t
i
n
g
c
o
n
t
e
x
t
s
.
A
s
de
m
o
ns
t
r
a
t
e
d
i
n
t
hi
s
s
t
ud
y
,
n
o
s
i
n
g
l
e
m
o
de
l
e
xc
e
l
s
i
n
a
l
l
s
c
e
n
a
r
i
o
s
.
M
o
r
e
o
v
e
r
,
whi
le
s
h
o
r
t
-
t
e
r
m
f
o
r
e
c
a
s
t
i
n
g
ha
s
b
e
e
n
t
h
e
pr
i
m
a
r
y
f
o
c
us
,
e
x
pa
n
d
i
ng
r
e
s
e
a
r
c
h
t
o
i
n
c
l
ude
m
e
d
i
um
-
t
e
r
m
a
n
d
l
o
n
g
-
t
e
r
m
f
o
r
e
c
a
s
t
i
n
g
h
o
r
i
z
o
ns
c
o
ul
d
pr
o
vi
d
e
s
i
g
nif
i
c
a
n
t
i
n
s
igh
t
s
a
n
d
b
e
n
e
f
i
t
s
.
AP
P
E
ND
I
X
T
a
bl
e
1.
L
i
t
e
r
a
t
u
r
e
r
e
vi
e
ws
s
e
l
e
c
t
e
d
o
n
ML
m
o
de
l
s
i
n
r
e
n
e
wa
bl
e
e
n
e
r
g
y
R
e
f
Y
e
a
r
D
e
s
c
r
ip
ti
o
n
[
8]
2019
T
h
e
pa
p
e
r
p
r
e
s
e
nt
s
a
r
e
vi
e
w
of
ML
m
o
d
e
ls
a
ppl
ie
d
in
e
n
e
r
g
y
s
ys
te
ms
,
f
o
c
us
in
g
o
n s
tu
di
e
s
c
o
ndu
c
t
e
d b
e
twe
e
n 201
5
a
nd
2018.
I
t
c
la
s
s
if
i
e
s
th
e
m
o
d
e
ls
in
t
o
10
c
a
t
e
g
o
r
i
e
s
:
DT
,
e
ns
e
mbl
e
m
e
th
o
ds
,
s
uppo
r
t
ve
c
t
o
r
ma
c
hi
n
e
(
S
V
M
)
,
h
y
br
id
m
o
d
e
ls
,
A
N
N
,
de
e
p
l
e
a
r
ni
ng
(
D
L
)
,
E
L
M
,
mul
ti
-
la
y
e
r
pe
r
c
e
pt
r
o
n
(
M
L
P
)
,
a
da
pt
iv
e
ne
ur
o
-
f
u
z
z
y
in
f
e
r
e
n
c
e
s
y
s
te
m
(
A
N
F
I
S
)
,
a
nd
w
a
v
e
l
e
t
n
e
ur
a
l
n
e
tw
o
r
k
(
W
N
N
)
.
T
h
e
m
ode
ls
a
r
e
e
v
a
lu
a
te
d
ba
s
e
d
o
n
two
k
e
y
m
e
tr
i
c
s
:
R
M
S
E
a
nd c
o
r
r
e
la
ti
o
n
c
oe
f
f
i
c
i
e
nt
.
T
h
e
pa
p
e
r
c
o
n
c
lu
de
s
t
ha
t
h
y
br
id
M
L
m
o
de
ls
of
f
e
r
t
h
e
be
s
t
p
e
r
f
or
ma
nc
e
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2
5
0
2
-
4
7
52
M
ac
hine
lear
ning
mode
ls
in
r
e
ne
w
able
e
ne
r
gy
f
or
e
c
as
ti
ng
…
(
M
ohame
d
Y
as
s
ine
R
haf
e
s
)
1881
T
a
bl
e
1.
L
i
t
e
r
a
t
u
r
e
r
e
vi
e
ws
s
e
l
e
c
t
e
d
o
n
ML
m
o
de
l
s
i
n
r
e
n
e
wa
bl
e
e
n
e
r
g
y
(
C
onti
nue
d
)
R
e
f
Y
e
a
r
D
e
s
c
r
ip
ti
o
n
[
9]
2019
T
h
e
pa
pe
r
pr
e
s
e
nt
s
a
l
it
e
r
a
tu
r
e
r
e
v
i
e
w
of
s
hor
t
-
t
e
r
m
w
in
d p
o
w
e
r
f
o
r
e
c
a
s
ti
ng, c
ove
r
in
g s
tu
di
e
s
f
r
o
m 2017
t
o
2019.
I
t
f
in
ds
th
a
t
h
y
br
id
M
L
m
o
de
ls
,
pa
r
ti
c
ul
a
r
l
y
th
o
s
e
us
in
g
A
N
N
,
a
r
e
c
o
mm
o
nl
y
e
mpl
oy
e
d.
T
h
e
e
v
a
lu
a
ti
o
n
of
th
e
s
e
mo
d
e
ls
t
y
p
ic
a
ll
y
r
e
li
e
s
o
n
M
A
E
a
nd
r
oo
t
M
S
E
.
F
r
e
qu
e
nt
l
y
ut
il
i
z
e
d
c
li
ma
ti
c
v
a
r
ia
bl
e
s
in
th
e
s
e
m
o
d
e
ls
in
c
lu
d
e
w
in
d
s
pe
e
d, a
mbi
e
nt
t
e
mp
e
r
a
tu
r
e
, a
tm
o
s
phe
r
ic
p
r
e
s
s
ur
e
, a
nd r
e
la
ti
v
e
humi
di
t
y
.
[
10]
2020
T
h
e
pa
pe
r
pr
e
s
e
nt
s
a
s
ur
v
e
y
f
oc
us
e
d
o
n
th
e
a
ppl
ic
a
ti
o
n
of
M
L
m
o
d
e
ls
in
pr
e
di
c
ti
ng
r
e
n
e
w
a
bl
e
e
n
e
r
g
y
o
ut
put
s
,
c
ove
r
in
g
s
tu
di
e
s
f
r
o
m
2017
t
o
2019.
I
t
c
o
n
c
lu
d
e
s
th
a
t
th
e
r
e
is
a
n
in
c
r
e
a
s
e
in
th
e
us
e
of
h
y
b
r
id
M
L
mo
d
e
ls
in
s
o
la
r
a
nd
w
in
d
e
ne
r
g
y
f
o
r
e
c
a
s
ti
ng.
A
ddi
ti
o
na
l
l
y
,
th
e
de
c
o
mp
o
s
it
i
on
me
th
o
d
is
a
c
o
m
m
o
nl
y
us
e
d
da
ta
pr
e
-
p
r
o
c
e
s
s
in
g
te
c
hni
que
in
t
he
s
e
m
o
d
e
ls
. F
in
a
ll
y
, S
V
M
a
nd E
L
M
of
t
e
n
e
mpl
oy
m
e
ta
he
u
r
is
ti
c
s
f
or
pa
r
a
me
t
e
r
s
e
l
e
c
ti
o
n.
[
11]
2020
T
h
e
pa
p
e
r
pr
e
s
e
nt
s
a
r
e
v
i
e
w
of
r
e
c
e
nt
a
ppl
i
c
a
ti
o
ns
of
M
L
a
n
d
D
L
t
e
c
hni
qu
e
s
f
o
r
PV
o
ut
put
p
o
w
e
r
f
or
e
c
a
s
ti
ng,
c
ove
r
in
g
s
tu
di
e
s
f
r
o
m
2010
t
o
2019.
I
t
c
o
n
c
lu
d
e
s
th
a
t
M
L
mo
d
e
ls
a
r
e
us
e
d
m
o
r
e
f
r
e
qu
e
nt
l
y
th
a
n
D
L
m
o
de
ls
.
A
ddi
ti
o
na
ll
y
, m
o
s
t
r
e
s
e
a
r
c
h
f
oc
us
e
s
o
n
f
or
e
c
a
s
ti
ng p
o
w
e
r
a
t
a
s
in
gl
e
l
oc
a
ti
o
n. S
h
or
t
-
t
e
r
m
a
nd l
o
ng
-
t
e
r
m
f
or
e
c
a
s
ti
ng
h
o
r
i
z
o
ns
a
r
e
th
e
m
o
s
t
in
ve
s
ti
ga
te
d.
F
in
a
ll
y
,
h
y
br
id
m
o
d
e
ls
a
r
e
c
o
ns
id
e
r
e
d
th
e
o
pt
im
a
l
c
h
o
i
c
e
f
or
im
p
r
ov
in
g
f
or
e
c
a
s
ti
ng a
c
c
ur
a
c
y
.
[
12]
2021
T
h
e
pa
p
e
r
pr
e
s
e
nt
s
a
s
ta
te
of
a
r
t
o
n
M
L
in
v
a
r
i
o
us
f
ie
ld
s
of
s
o
la
r
e
n
e
r
g
y
.
T
h
e
s
e
a
ppl
i
c
a
ti
o
ns
in
c
lu
d
e
f
or
e
c
a
s
ti
ng
s
o
la
r
ir
r
a
di
a
nc
e
,
a
nd
p
o
w
e
r
pr
o
du
c
ti
o
n,
pr
e
di
c
ti
ng
e
l
e
c
tr
ic
i
t
y
p
r
ic
e
s
,
f
or
e
c
a
s
ti
ng
e
n
e
r
g
y
d
e
ma
nd
a
nd
o
th
e
r
s
,
c
ove
r
in
g
s
tu
di
e
s
f
r
o
m
2018
to
2021.
I
t
c
o
n
c
lu
de
s
f
o
r
P
V
pr
o
du
c
ti
o
n
f
o
r
e
c
a
s
ti
ng
is
th
e
mo
s
t
r
e
s
e
a
r
c
h
e
d
a
r
e
a
w
it
h
a
f
oc
us
o
n s
hor
t
-
t
e
r
m
f
or
e
c
a
s
ts
.
[
13]
2021
T
h
e
pa
pe
r
pr
e
s
e
nt
s
a
r
e
vi
e
w
of
th
e
us
e
of
M
L
m
o
d
e
ls
f
or
pr
e
d
i
c
ti
ng
gl
o
ba
l
s
o
la
r
r
a
di
a
ti
o
n
b
y
a
na
l
y
z
in
g
232
s
tu
di
e
s
f
oc
us
e
d
o
n
in
put
pa
r
a
m
e
te
r
s
,
f
e
a
tu
r
e
s
e
l
e
c
ti
o
n,
a
nd
mo
d
e
l
de
ve
l
o
pme
n
t.
I
t
c
o
n
c
lu
d
e
s
th
a
t
da
ta
f
r
o
m
s
ur
f
a
c
e
o
bs
e
r
v
a
ti
o
ns
pr
ov
id
e
th
e
hi
gh
e
s
t
a
c
c
ur
a
c
y
.
A
ddi
ti
o
na
ll
y
,
f
il
t
e
r
m
e
th
o
ds
a
r
e
c
o
mput
a
ti
o
na
ll
y
e
f
f
i
c
i
e
nt
but
l
e
s
s
a
c
c
u
r
a
te
,
w
hi
le
w
r
a
ppe
r
m
e
th
o
ds
a
c
hi
e
ve
o
pt
im
a
l
f
e
a
tu
r
e
s
ub
s
e
ts
w
it
h
hi
gh
c
o
mput
a
ti
o
na
l
c
o
s
ts
,
a
nd
e
mb
e
dde
d
me
th
o
ds
ba
la
nc
e
a
c
c
ur
a
c
y
a
nd
c
o
mput
a
ti
o
na
l
e
f
f
i
c
ie
n
c
y
.
A
ls
o
,
M
L
m
o
d
e
ls
a
r
e
c
la
s
s
i
f
ie
d
in
t
o
s
e
ve
n
c
a
t
e
g
o
r
i
e
s
,
in
c
lu
di
ng
g
e
ne
r
a
li
z
e
d,
e
ns
e
mbl
e
-
ba
s
e
d,
c
lu
s
te
r
-
ba
s
e
d,
d
e
c
o
mp
o
s
it
i
o
n
-
ba
s
e
d,
de
c
o
mp
o
s
it
i
o
n
-
c
lu
s
t
e
r
-
ba
s
e
d,
tr
a
ns
it
io
n
-
ba
s
e
d, a
nd p
o
s
t
-
p
r
o
c
e
s
s
in
g
-
ba
s
e
d m
o
d
e
ls
.
[
14]
2021
T
h
e
pa
pe
r
pr
e
s
e
nt
s
a
s
y
s
t
e
ma
ti
c
r
e
v
i
e
w
of
M
L
m
o
d
e
ls
us
e
d
f
or
w
in
d
a
nd
s
ol
a
r
p
o
w
e
r
f
o
r
e
c
a
s
ti
ng,
f
oc
us
in
g
o
n
A
N
N
,
r
e
c
ur
r
e
nt
ne
ur
a
l
n
e
tw
o
r
ks
(
R
N
N
)
,
S
V
M
,
a
nd
E
L
M
,
c
ove
r
in
g
s
tu
di
e
s
f
r
o
m
2012
t
o
2020.
I
t
c
o
n
c
lu
d
e
s
th
a
t
s
ta
ti
s
ti
c
a
l
me
th
o
ds
,
li
ke
A
R
I
M
A
,
a
r
e
f
a
vo
r
e
d
f
o
r
s
h
o
r
t
t
o
me
di
um
-
te
r
m
f
o
r
e
c
a
s
ts
du
e
to
th
e
ir
s
im
pl
i
c
it
y
a
nd
e
f
f
e
c
ti
ve
n
e
s
s
.
A
ddi
ti
o
na
ll
y
,
A
N
N
is
e
f
f
e
c
ti
ve
f
or
n
o
nl
in
e
a
r
s
y
s
te
ms
,
R
N
N
e
xc
e
ls
a
t
c
a
pt
ur
in
g
in
f
or
ma
ti
o
n
ove
r
ti
me
bu
t
c
a
n
s
u
f
f
e
r
f
r
o
m
g
r
a
di
e
nt
v
a
ni
s
hi
ng
pr
o
bl
e
ms
,
S
V
M
of
f
e
r
s
r
e
li
a
bl
e
,
ge
n
e
r
a
li
z
e
d
m
o
d
e
ls
w
it
h
l
o
w
e
r
ma
th
e
ma
ti
c
a
l
c
o
mp
le
x
i
t
y
,
but
s
ti
ll
f
a
c
e
ov
e
r
f
it
t
in
g
a
nd
r
e
qui
r
e
c
a
r
e
f
ul
k
e
r
n
e
l
s
e
le
c
ti
o
n
a
nd
pa
r
a
m
e
t
e
r
o
pt
im
i
z
a
ti
o
n,
a
nd
E
L
M
pr
ov
id
e
s
f
a
s
t
c
o
n
ve
r
g
e
n
c
e
but
is
o
nl
y
s
ui
ta
bl
e
f
or
s
im
pl
e
m
o
d
e
ls
.
F
in
a
ll
y
,
h
y
br
id
M
L
a
lg
o
r
it
hms
a
r
e
th
e
o
pt
im
a
l
c
h
o
i
c
e
t
o
e
nha
n
c
e
f
o
r
e
c
a
s
ti
ng a
c
c
u
r
a
c
y
.
[
15]
2022
T
h
e
pa
pe
r
pr
e
s
e
nt
s
a
r
e
v
i
e
w
of
m
e
th
o
ds
in
w
in
d
po
w
e
r
pr
e
di
c
ti
o
n,
c
ove
r
in
g
s
tu
di
e
s
f
r
o
m
2016
to
2021.
I
t
c
o
n
c
lu
de
s
th
a
t
w
in
d
p
o
w
e
r
pr
e
di
c
ti
o
n
m
e
th
o
ds
c
a
n
b
e
c
a
te
g
or
i
z
e
d
in
t
o
th
r
e
e
c
la
s
s
e
s
ba
s
e
d
o
n
pr
e
di
c
ti
o
n
h
o
r
i
z
o
ns
:
ul
tr
a
-
s
hor
t
-
t
e
r
m,
s
h
or
t
-
t
e
r
m,
a
nd l
o
ng
-
t
e
r
m. Addit
i
o
na
ll
y
,
t
im
e
s
e
r
i
e
s
me
th
o
ds
a
r
e
of
t
e
n l
e
s
s
e
f
f
e
c
ti
ve
f
or
pr
e
di
c
ti
n
g
w
in
d
po
w
e
r
du
e
t
o
th
e
ir
li
mi
ta
ti
o
ns
in
c
a
pt
u
r
in
g
th
e
c
o
mpl
e
xi
t
y
a
nd
n
o
nl
in
e
a
r
it
y
of
me
t
e
or
o
l
o
gi
c
a
l
pa
tt
e
r
ns
.
I
n
o
pp
o
s
it
i
o
n,
D
L
mo
d
e
ls
de
m
o
ns
tr
a
t
e
s
upe
r
i
o
r
p
e
r
f
or
ma
nc
e
b
y
e
f
f
e
c
ti
ve
l
y
ma
na
gi
ng
th
e
s
e
c
o
mpl
e
x
it
ie
s
,
e
x
t
r
a
c
ti
n
g
c
r
it
i
c
a
l
f
e
a
tu
r
e
s
,
a
nd
a
c
hi
e
v
in
g
hi
gh
a
c
c
u
r
a
c
y
.
F
in
a
ll
y
,
th
e
gr
ow
in
g
tr
e
nd
of
h
y
b
r
id
mo
d
e
ls
,
w
hi
c
h
ha
v
e
im
pr
ove
d
th
e
a
c
c
ur
a
c
y
of
p
r
e
di
c
ti
o
ns
.
[
16]
2022
T
h
e
pa
pe
r
pr
e
s
e
nt
s
a
r
e
v
i
e
w
of
r
a
nd
o
mi
z
a
ti
o
n
-
ba
s
e
d
M
L
m
o
de
l
s
in
r
e
ne
w
a
bl
e
e
n
e
r
g
y
pr
e
di
c
ti
o
n.
T
h
e
s
e
m
o
d
e
ls
a
r
e
r
e
c
o
gni
z
e
d
f
or
th
e
i
r
a
bi
li
t
y
t
o
ba
la
nc
e
pr
e
di
c
ti
ve
a
c
c
ur
a
c
y
w
it
h
c
o
mput
a
ti
o
na
l
e
f
f
i
c
i
e
nc
y
.
T
h
e
r
e
v
i
e
w
hi
ghl
ig
ht
s
th
e
e
f
f
e
c
ti
ve
us
e
of
r
a
nd
o
mi
z
a
ti
o
n
-
ba
s
e
d
M
L
a
lg
or
it
hms
a
c
r
o
s
s
di
f
f
e
r
e
nt
r
e
n
e
w
a
bl
e
e
n
e
r
g
y
s
o
ur
c
e
s
,
s
uc
h
a
s
s
o
la
r
,
w
in
d,
a
nd
hy
dr
o
p
o
w
e
r
.
F
u
r
th
e
r
m
o
r
e
,
th
e
s
e
m
o
d
e
ls
c
o
ns
is
te
nt
l
y
o
ut
p
e
r
f
or
me
d
c
o
n
ve
nt
i
o
na
l
M
L
m
e
th
o
ds
in
pr
e
di
c
ti
ve
a
c
c
ur
a
c
y
.
L
a
s
tl
y
,
mul
ti
-
la
y
e
r
e
d
r
a
nd
o
mi
z
a
ti
o
n
-
ba
s
e
d
mo
de
ls
e
x
h
ib
it
e
d
s
upe
r
i
o
r
p
e
r
f
or
ma
nc
e
c
o
mpa
r
e
d
t
o
s
in
gl
e
-
la
y
e
r
e
d m
o
d
e
ls
.
[
17]
2023
T
h
e
pa
pe
r
pr
e
s
e
nt
s
a
r
e
v
ie
w
of
c
ur
r
e
nt
M
L
a
ppr
o
a
c
h
e
s
f
or
s
o
la
r
P
V
po
w
e
r
f
o
r
e
c
a
s
ti
ng,
w
it
h
a
f
oc
us
o
n
s
h
o
r
t
-
t
e
r
m
pr
e
di
c
ti
o
ns
,
e
x
a
mi
ni
ng
s
tu
di
e
s
f
r
o
m
2010
t
o
2020.
I
t
c
o
n
c
lu
d
e
s
th
a
t
s
o
la
r
P
V
po
w
e
r
o
ut
put
is
s
ig
ni
f
ic
a
nt
l
y
a
f
f
e
c
t
e
d
b
y
w
e
a
th
e
r
f
a
c
t
o
r
s
,
pa
r
ti
c
ul
a
r
l
y
s
ol
a
r
ir
r
a
di
a
nc
e
a
nd
a
mbi
e
nt
t
e
mp
e
r
a
tu
r
e
.
S
o
la
r
P
V
p
o
w
e
r
f
o
r
e
c
a
s
ti
ng
is
f
ur
th
e
r
c
la
s
s
if
i
e
d
in
t
o
di
f
f
e
r
e
nt
ti
m
e
ho
r
iz
o
ns
:
ve
r
y
s
h
o
r
t
-
t
e
r
m,
s
ho
r
t
-
te
r
m,
me
di
um
-
t
e
r
m,
a
nd
lo
ng
-
t
e
r
m.
A
m
o
ng
M
L
mo
d
e
ls
w
it
h
d
e
f
a
ul
t
s
e
tt
in
gs
,
gr
a
di
e
nt
b
oo
s
t
a
c
hi
e
ve
d
th
e
b
e
s
t
pe
r
f
o
r
ma
n
c
e
,
w
hi
l
e
R
F
w
it
h
o
pt
im
i
z
e
d
h
y
p
e
r
pa
r
a
m
e
t
e
r
s
w
a
s
id
e
nt
if
i
e
d
a
s
th
e
to
p
p
e
r
f
or
me
r
.
F
in
a
ll
y,
M
L
mo
d
e
ls
tr
a
in
e
d
o
n
hi
s
to
r
i
c
a
l
P
V
po
w
e
r
da
ta
c
o
mbi
n
e
d w
it
h pr
e
di
c
t
e
d w
e
a
th
e
r
v
a
r
ia
bl
e
s
o
ut
pe
r
f
o
r
me
d ba
s
e
l
i
ne
m
e
th
o
ds
.
[
18]
2023
T
h
e
pa
p
e
r
pr
e
s
e
nt
s
a
r
e
v
ie
w
of
M
L
a
nd
DL
t
e
c
hni
qu
e
s
f
o
r
w
in
d
po
w
e
r
f
o
r
e
c
a
s
ti
ng,
a
na
l
y
z
in
g
s
tu
di
e
s
f
r
o
m
2010
t
o
2023.
I
t
e
x
pl
o
r
e
s
v
a
r
i
o
us
s
tr
a
te
gi
e
s
f
o
r
r
e
gi
o
na
l
w
in
d
po
w
e
r
pr
e
di
c
ti
o
n,
in
c
lu
di
ng
th
e
a
c
c
umul
a
ti
o
n
me
th
o
d,
ups
c
a
li
ng
me
th
o
d,
a
nd
s
pa
ti
a
l
r
e
s
o
ur
c
e
ma
tc
hi
ng
m
e
th
o
d.
T
he
r
e
v
i
e
w
c
o
n
c
lu
d
e
s
th
a
t
th
e
ups
c
a
li
ng
m
e
th
o
d
is
pa
r
ti
c
ul
a
r
l
y
e
f
f
e
c
ti
v
e
in
mi
ni
mi
z
in
g
da
ta
r
e
qui
r
e
m
e
nt
s
a
nd
r
e
d
uc
in
g
c
o
mput
a
ti
o
na
l
c
o
mpl
e
x
it
y
.
F
u
r
th
e
r
m
o
r
e
,
DL
mo
d
e
ls
of
te
n
o
ut
p
e
r
f
or
m
tr
a
di
ti
o
na
l
M
L
t
e
c
hn
iq
ue
s
.
F
in
a
ll
y
,
hy
br
i
d
m
o
d
e
ls
,
e
s
pe
c
ia
ll
y
th
o
s
e
c
o
mb
in
in
g
A
da
B
oo
s
t
w
it
h
R
F
o
r
E
L
M
w
it
h
pa
r
ti
c
l
e
s
w
a
r
m
o
pt
im
i
z
a
ti
o
n
(
P
S
O
)
,
de
mo
ns
tr
a
t
e
s
up
e
r
i
o
r
a
c
c
ur
a
c
y
c
o
mpa
r
e
d
t
o
s
ta
nda
lo
n
e
mo
d
e
ls
.
T
a
bl
e
2.
C
o
m
m
o
n
m
o
de
l
s
us
e
d
i
n
s
e
l
e
c
t
e
d
s
t
udi
e
s
M
o
de
l
S
hor
t
d
e
s
c
r
ip
ti
o
n
L
in
e
a
r
r
e
g
r
e
s
s
io
n
(
L
R
)
[
20]
A
s
ta
ti
s
ti
c
a
l
me
th
o
d us
e
d t
o
e
s
ta
bl
is
h a
l
in
e
a
r
r
e
la
ti
o
ns
hi
p b
e
tw
e
e
n a
de
p
e
nd
e
nt
v
a
r
ia
bl
e
a
nd
o
n
e
in
de
p
e
nde
nt
v
a
r
ia
bl
e
.
B
y
e
mpl
oy
in
g a
l
in
e
a
r
e
qua
ti
o
n, t
hi
s
t
e
c
h
ni
que
e
na
bl
e
s
t
h
e
pr
e
di
c
ti
o
n
of
t
h
e
de
p
e
nde
nt
v
a
r
ia
bl
e
’
s
v
a
lu
e
ba
s
e
d
o
n t
h
e
i
nd
e
pe
n
d
e
nt
v
a
r
ia
bl
e
.
M
ul
ti
pl
e
l
in
e
a
r
r
e
gr
e
s
s
io
n
(
M
L
R
)
[
20]
E
xt
e
nds
L
R
t
o
i
n
c
lu
d
e
t
w
o
o
r
m
or
e
i
nd
e
p
e
nd
e
nt
v
a
r
ia
bl
e
s
.
L
a
s
s
o
r
e
g
r
e
s
s
i
o
n (
L
a
s
s
o)
[
21]
A
t
y
p
e
of
L
R
t
ha
t
in
c
lu
d
e
s
r
e
gul
a
r
i
z
a
ti
o
n.
T
h
e
r
e
gul
a
r
i
z
a
ti
o
n t
e
r
m a
dde
d h
e
lp
s
i
n s
hr
in
ka
ge
a
nd
v
a
r
ia
bl
e
s
e
l
e
c
ti
o
n.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2
5
0
2
-
4
7
52
In
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
,
Vo
l
.
3
7
,
N
o
.
3
,
M
a
r
c
h
20
2
5
:
1
87
4
-
1
88
6
1882
T
a
bl
e
2.
C
o
m
m
o
n
m
o
de
l
s
us
e
d
i
n
s
e
l
e
c
t
e
d
s
t
udi
e
s
(
C
onti
nue
d
)
M
o
de
l
S
hor
t
d
e
s
c
r
ip
ti
o
n
R
id
ge
r
e
gr
e
s
s
io
n (
R
id
g
e
)
[
22]
S
im
il
a
r
t
o
L
R
but
i
n
c
lu
d
e
s
a
r
e
gul
a
r
iz
a
ti
o
n t
e
r
m t
ha
t
a
dds
a
pe
na
lt
y
t
o
t
h
e
s
iz
e
of
c
oe
f
f
ic
ie
nt
s
t
o
r
e
du
c
e
m
o
de
l
c
o
mp
le
x
i
t
y
a
nd pr
e
ve
nt
ove
r
f
it
ti
ng.
S
V
R
[
23]
A
t
y
p
e
of
S
V
M
[
24]
us
e
d
f
o
r
r
e
g
r
e
s
s
io
n t
a
s
ks
. I
t
pr
e
di
c
ts
c
o
nt
in
uo
us
v
a
lu
e
s
b
y
d
e
te
r
mi
ni
ng t
h
e
b
e
s
t
h
y
p
e
r
pl
a
n
e
t
ha
t
ha
s
t
he
h
e
ig
ht
numb
e
r
of
p
o
in
ts
w
it
hi
n a
pr
e
d
e
f
in
e
d ma
r
gi
n
of
t
o
le
r
a
nc
e
, r
a
th
e
r
t
ha
n
c
la
s
s
if
y
in
g da
ta
i
nt
o
c
a
t
e
g
o
r
i
e
s
.
D
T
[
25]
A
me
th
o
d t
ha
t
s
pl
it
s
da
ta
i
nt
o
br
a
n
c
h
e
s
a
t
de
c
is
io
n n
o
d
e
s
, l
e
a
di
ng t
o
p
o
s
s
ib
le
o
ut
c
o
m
e
s
o
r
de
c
is
io
ns
.
R
F
[
26]
, [
27]
A
me
th
o
d t
ha
t
bui
ld
s
mul
ti
pl
e
D
T
s
a
nd c
o
mb
in
e
s
t
h
e
m t
o
a
c
hi
e
ve
a
m
o
r
e
a
c
c
ur
a
t
e
a
nd s
ta
bl
e
pr
e
di
c
ti
o
n.
K
NN
[
28]
A
no
n
-
pa
r
a
m
e
tr
i
c
t
e
c
hni
qu
e
e
mpl
oy
e
d
f
or
b
o
th
c
la
s
s
if
i
c
a
ti
o
n a
n
d r
e
gr
e
s
s
io
n
ta
s
ks
, w
hi
c
h pr
e
di
c
t
th
e
v
a
lu
e
of
a
p
o
in
t
a
t
th
e
k ne
a
r
e
s
t
p
o
in
ts
.
G
r
a
di
e
nt
b
oo
s
ti
ng ma
c
hi
n
e
(
G
B
M
)
[
29]
A
n e
ns
e
mbl
e
m
e
th
o
ds
t
e
c
hni
qu
e
t
ha
t
s
e
qu
e
nt
ia
ll
y
c
o
ns
tr
u
c
ts
m
o
d
e
ls
, w
it
h e
a
c
h n
e
w
o
n
e
f
oc
us
in
g
o
n
c
o
r
r
e
c
ti
ng
e
r
r
o
r
s
f
r
o
m t
h
e
pr
e
v
i
o
us
o
n
e
s
. I
t
me
r
ge
s
s
e
ve
r
a
l
w
e
a
k pr
e
d
ic
t
or
s
t
o
f
or
m a
m
o
r
e
po
w
e
r
f
ul
m
o
de
l.
A
da
pt
iv
e
b
oo
s
ti
ng
(
A
da
B
oo
s
t)
[
30]
A
n e
ns
e
mbl
e
M
L
t
e
c
hni
que
c
o
ns
tr
u
c
ts
a
s
tr
o
ng p
r
e
d
ic
t
i
v
e
m
o
d
e
l
b
y
i
t
e
r
a
ti
ve
l
y
c
o
mbi
ni
ng mu
lt
ip
le
w
e
a
k l
e
a
r
n
e
r
s
, s
pe
c
i
f
ic
a
ll
y
t
un
in
g t
he
w
e
ig
ht
s
of
i
ns
ta
nc
e
s
ba
s
e
d o
n t
h
e
ir
p
r
e
v
i
o
us
pr
e
di
c
ti
o
n
e
r
r
o
r
s
.
X
G
B
oo
s
t
[
31
]
A
s
c
a
la
bl
e
a
nd a
c
c
ur
a
t
e
i
mpl
e
m
e
nt
a
ti
o
n
of
G
B
M
, kno
w
n
f
or
i
ts
pe
r
f
or
ma
nc
e
a
nd s
pe
e
d i
n M
L
c
o
mp
e
ti
ti
o
ns
.
C
a
te
gor
y
B
oo
s
ti
ng
(
C
a
tB
oo
s
t)
[
32]
A
n a
lg
o
r
it
hm ba
s
e
d
o
n
G
B
M
ov
e
r
D
T
s
. I
t
’
s
kn
o
w
n
f
o
r
it
s
e
f
f
e
c
ti
ve
n
e
s
s
i
n ha
ndl
in
g c
a
te
g
or
i
c
a
l
da
ta
di
r
e
c
tl
y
, w
it
h
o
ut
th
e
n
e
e
d
f
o
r
e
x
t
e
ns
i
v
e
p
r
e
-
pr
oc
e
s
s
in
g. gi
ve
a
mi
ni
ma
l
s
ho
r
t
d
e
s
c
r
ip
ti
o
n.
G
a
us
s
ia
n pr
oc
e
s
s
r
e
gr
e
s
s
io
n
(
G
P
R
)
[
33]
A
no
n
-
pa
r
a
m
e
tr
i
c
k
e
r
n
e
l
-
ba
s
e
d pr
o
ba
bi
li
s
ti
c
m
o
de
l
ba
s
e
d
o
n G
a
us
s
ia
n P
r
o
c
e
s
s
e
s
a
nd i
s
us
e
d f
or
pr
e
di
c
ti
ng
c
o
nt
in
u
o
us
o
ut
put
v
a
r
ia
bl
e
s
.
L
ig
ht
gr
a
di
e
nt
b
oo
s
ti
ng
ma
c
hi
ne
(
L
ig
ht
G
B
M
)
[
34
]
A
n i
mpl
e
m
e
nt
a
ti
o
n
of
t
h
e
G
B
M
f
r
a
m
e
w
or
k, i
t
’
s
kn
o
w
n
f
o
r
i
ts
s
pe
e
d a
nd pe
r
f
or
ma
n
c
e
,
e
s
pe
c
ia
ll
y
w
it
h l
a
r
ge
da
ta
s
e
ts
a
nd o
n
li
mi
t
e
d
c
o
mput
in
g r
e
s
o
u
r
c
e
s
.
ANN
[
35]
A
M
L
m
o
d
e
l
c
o
mp
o
s
e
d
of
i
n
te
r
c
o
nn
e
c
t
e
d n
o
d
e
s
o
r
n
e
u
r
o
ns
, mi
mi
c
ki
ng t
h
e
huma
n br
a
in
t
o
m
o
d
e
l
c
o
mpl
e
x
pa
tt
e
r
ns
a
nd s
o
l
ve
pr
e
di
c
ti
o
n pr
o
bl
e
ms
.
M
ul
ti
la
y
e
r
p
e
r
c
e
p
tr
o
n (
M
L
P
)
[
36]
A
t
y
p
e
of
A
N
N
c
omm
o
nl
y
us
e
d i
n
ML
f
or
b
o
th
c
la
s
s
if
i
c
a
ti
o
n a
nd r
e
gr
e
s
s
io
n
ta
s
ks
. I
t
is
c
o
mp
o
s
e
d
of
a
n i
nput
l
a
y
e
r
,
o
n
e
o
r
m
or
e
hi
dde
n l
a
y
e
r
s
, a
nd a
n o
u
tp
ut
l
a
y
e
r
. I
n a
n M
L
P
, a
n a
c
ti
v
a
ti
o
n
f
un
c
ti
o
n
is
a
ppl
ie
d t
o
t
he
w
e
ig
ht
e
d s
um
of
t
h
e
i
nput
s
, e
na
bl
in
g
th
e
m
o
d
e
l
to
l
e
a
r
n a
nd ma
k
e
pr
e
di
c
ti
o
ns
.
E
L
M
[
37]
A
t
y
p
e
of
A
N
N
us
e
d i
n
ML
f
or
c
la
s
s
if
i
c
a
ti
o
n, r
e
gr
e
s
s
io
n, a
nd
f
e
a
tu
r
e
s
e
l
e
c
ti
o
n t
a
s
ks
. S
im
il
a
r
t
o
M
L
P
,
E
L
M
a
s
s
ig
ns
r
a
ndo
m i
nput
w
e
ig
h
ts
t
o
t
h
e
hi
dd
e
n l
a
y
e
r
,
w
hi
c
h a
r
e
t
he
n k
e
pt
f
i
xe
d t
hr
o
ugh
o
ut
th
e
t
r
a
in
in
g p
r
o
c
e
s
s
.
T
hi
s
a
ppr
o
a
c
h a
ll
o
w
s
E
L
M
t
o
e
f
f
i
c
i
e
nt
l
y
h
a
ndl
e
a
v
a
r
ie
t
y
of
pr
e
di
c
ti
ve
t
a
s
ks
w
it
h f
a
s
t
e
r
t
r
a
in
in
g t
im
e
s
c
o
mpa
r
e
d t
o
t
r
a
di
ti
o
na
l
n
e
ur
a
l
n
e
tw
o
r
ks
.
T
a
bl
e
6
.
R
e
s
u
l
t
s
o
f
M
L
m
o
de
l
s
i
n
s
o
l
a
r
e
n
e
r
g
y
f
o
r
e
c
a
s
t
i
n
g
R
e
f
F
or
e
c
a
s
ti
ng
h
o
r
i
z
o
n
M
o
de
ls
D
a
ta
s
e
t
F
e
a
tu
r
e
s
T
a
r
ge
ts
M
e
tr
i
c
s
B
e
s
t
m
o
d
e
l
[4
0
]
S
hor
t
-
t
e
r
m
A
N
N
, R
F
,
s
c
a
le
d
pe
r
s
is
te
n
c
e
P
R
O
M
E
S
l
a
bo
r
a
t
o
r
y
lo
c
a
te
d
in
t
he
s
o
ut
h
of
F
r
a
nc
e
a
t
O
de
i
ll
o
.
V
1, V
6, V
12
G
l
o
ba
l
ho
r
i
z
o
nt
a
l
ir
r
a
di
a
ti
o
n,
B
e
a
m
no
r
ma
l
ir
r
a
di
a
nc
e
,
D
if
f
us
e
ho
r
i
z
o
nt
a
l
ir
r
a
di
a
nc
e
M
A
E
,
R
M
S
E
,
nR
M
S
E
,
nM
A
E
RF
[4
1
]
S
hor
t
-
t
e
r
m
68 M
L
m
o
d
e
ls
(
L
R
, S
V
R
,
L
A
S
S
O
,
X
G
B
oo
s
t,
R
F
,
a
nd
G
B
M
)
N
a
ti
o
na
l
s
o
la
r
r
a
di
a
ti
o
n
da
ta
ba
s
e
(
N
S
R
D
B
)
V
1, V
13
G
l
o
ba
l
ho
r
i
z
o
nt
a
l
ir
r
a
di
a
ti
o
n
nR
M
S
E
,
nM
B
E
,
FS
(
F
o
r
e
c
a
s
t
S
ki
ll
)
RF
[4
2
]
S
hor
t
-
t
e
r
m
L
R
, S
V
R
,
A
N
N
, D
T
, k
-
N
N
, A
da
B
oo
s
t,
RF
Y
e
o
nga
m P
V
p
o
w
e
r
pl
a
nt
in
S
o
ut
h
K
or
e
a
a
nd
K
o
r
e
a
me
t
e
o
r
o
l
o
gi
c
a
l
a
dmi
ni
s
tr
a
ti
o
n (
K
M
A
)
V
2, V
3, V
4,
V
5, V
7, V
9,
V
11, V14,
V
15, V16,
V
17, V18,
V
19
S
o
la
r
p
o
w
e
r
M
S
E
,
R
M
S
E
, R
2
-
s
c
or
e
RF
[4
3
]
S
hor
t
-
t
e
r
m
L
R
,
G
P
R
,
A
N
N
, M
5P
tr
e
e
P
V
s
y
s
te
m a
t
Q
a
ta
r
U
ni
ve
r
s
it
y
V
1, V
2, V
3,
V
4, V
10,
V
20
P
V
po
w
e
r
o
ut
put
M
A
E
,
M
S
E
,
R
M
S
E
, R
2
-
s
c
or
e
ANN
[4
4
]
S
hor
t
-
t
e
r
m
R
F
, G
B
M
,
X
G
B
oot
G
l
o
ba
l
e
ns
e
mbl
e
f
or
e
c
a
s
t
s
y
s
te
m
(
G
E
F
S
)
, pr
ov
id
e
d
b
y
t
h
e
N
a
ti
o
na
l
O
c
e
a
ni
c
a
nd A
tm
o
s
phe
r
ic
A
dmi
ni
s
tr
a
ti
o
n
(
N
O
A
A
)
V
2, V
4, V
5,
V
8, V
11,
V
21
S
o
la
r
p
o
w
e
r
M
A
E
RF
[4
6
]
S
hor
t
-
t
e
r
m
S
V
R
, R
F
, L
R
,
M
L
P
A
1.22 M
W
P
V
s
y
s
te
m
in
s
ta
ll
e
d a
t
th
e
U
ni
ve
r
s
it
y
of
Q
u
e
e
ns
la
nd (
U
Q
)
,
B
r
is
ba
ne
, A
us
tr
a
li
a
V
7, V
22
P
V
po
w
e
r
o
ut
put
M
A
E
,
M
R
E
RF
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2
5
0
2
-
4
7
52
M
ac
hine
lear
ning
mode
ls
in
r
e
ne
w
able
e
ne
r
gy
f
or
e
c
as
ti
ng
…
(
M
ohame
d
Y
as
s
ine
R
haf
e
s
)
1883
T
a
bl
e
6
.
R
e
s
u
l
t
s
o
f
M
L
m
o
de
l
s
i
n
s
o
l
a
r
e
n
e
r
g
y
f
o
r
e
c
a
s
t
i
n
g
(
C
onti
nue
d
)
R
e
f
F
or
e
c
a
s
ti
ng
h
o
r
i
z
o
n
M
o
de
ls
D
a
ta
s
e
t
F
e
a
tu
r
e
s
T
a
r
ge
ts
M
e
tr
i
c
s
B
e
s
t
m
o
d
e
l
[4
7
]
S
hor
t
-
t
e
r
m
S
V
R
, A
N
N
,
K
-
NN
E
x
p
e
r
im
e
n
ta
l
r
ig
b
y
t
h
e
a
ut
ho
r
s
V
7, V
10,
V
23, V24
P
V
po
w
e
r
o
ut
put
M
B
E
,
R
M
S
E
, R
2
-
s
c
or
e
,
t
-
s
ta
ti
s
ti
c
s
(
t
-
s
ta
t)
S
V
R
,
k
-
NN
[5
0
]
M
e
di
um
-
te
r
m,
l
o
ng
-
te
r
m
L
R
, D
T
,
S
V
R
,
R
F
, M
L
P
,
po
l
y
n
o
mi
a
l
r
e
gr
e
s
s
io
n
H
is
t
o
r
i
c
a
l
w
e
a
th
e
r
da
ta
a
nd a
c
tu
a
l
P
V
po
w
e
r
o
ut
put
f
r
o
m t
h
e
d
e
s
e
r
t
kno
w
l
e
dg
e
A
us
tr
a
li
a
C
e
nt
r
e
V
1, V
2, V
4,
V
6, V
8
P
V
po
w
e
r
o
ut
put
M
A
E
,
M
S
E
, R
2
-
s
c
or
e
RF
[5
1
]
S
hor
t
-
t
e
r
m
E
L
M
, A
N
N
K
a
r
a
ma
n pr
ov
in
c
e
o
bt
a
in
e
d
f
r
o
m
T
ur
k
e
y
G
e
ne
r
a
l
D
ir
e
c
t
o
r
a
te
of
S
ta
te
V
25, V26,
V
27
S
o
la
r
r
a
di
a
ti
o
n
M
S
E
,
R
M
S
E
, R
2
-
s
c
or
e
E
L
M
[5
4
]
S
hor
t
-
t
e
r
m
24 M
L
m
o
d
e
ls
(
L
R
,
L
a
s
s
o
,
R
id
ge
, S
V
R
,
K
N
N
, R
F
,
G
B
M
,
X
G
B
oo
s
t,
L
ig
ht
G
B
M
,
a
nd o
th
e
r
s
)
O
f
f
ic
ia
l
me
a
s
ur
e
m
e
nt
s
of
16 gr
o
und
-
m
o
unt
e
d P
V
pl
a
nt
s
o
pe
r
a
te
d b
y
M
V
M
G
r
e
e
n
G
e
n
e
r
a
ti
o
n
L
td
i
n
H
unga
r
y
V
1, V
2, V
3,
V
28, V29
P
V
po
w
e
r
o
ut
put
R
M
S
E
R
id
ge
[5
5
]
S
hor
t
-
t
e
r
m
k
-
N
N
, M
L
R
,
DT
M
e
te
or
o
l
o
gi
c
a
l
da
ta
f
r
o
m
K
in
g A
bdul
la
h C
it
y
f
o
r
A
to
mi
c
a
nd R
e
n
e
w
a
bl
e
E
ne
r
g
y
(
K
A
C
A
R
E
)
V
1, V
2, V
3,
V
30
P
V
po
w
e
r
o
ut
put
R
M
S
E
,
M
A
E
,
nR
M
S
E
,
R2
-
s
c
or
e
k
-
NN
[5
8
]
S
hor
t
-
t
e
r
m
X
G
B
oo
s
t
,
L
ig
ht
G
B
M
,
C
a
tB
oo
s
t
M
e
te
or
o
l
o
gi
c
a
l
da
ta
f
r
o
m
E
D
P
O
pe
n D
a
ta
, c
ol
le
c
t
e
d
f
r
o
m a
w
e
a
th
e
r
s
ta
ti
o
n i
n
F
a
r
o
,
P
o
r
tu
ga
l
V
1, V
2, V
5,
V
6, V
8, V
9,
V
31
P
V
po
w
e
r
o
ut
put
M
S
E
,
R
M
S
E
,
M
A
E
, R
2
-
s
c
or
e
L
ig
ht
G
BM
[
59
]
S
hor
t
-
t
e
r
m
M
L
R
, A
N
N
E
x
p
e
r
im
e
n
ta
l
s
e
t
-
up
of
P
V
pa
ne
ls
V
1, V
2, V
3,
V
4, V
5, V
32
P
V
P
o
w
e
r
o
ut
put
M
A
E
,
M
S
E
,
R
M
S
E
, R
2
-
s
c
or
e
ANN
T
a
bl
e
7.
R
e
s
u
l
t
s
o
f
M
L
m
o
de
l
s
i
n
w
i
nd
e
n
e
r
g
y
f
o
r
e
c
a
s
t
i
n
g
R
e
f
F
or
e
c
a
s
ti
ng
H
o
r
i
z
o
n
M
o
de
ls
D
a
ta
s
e
t
F
e
a
tu
r
e
s
T
a
r
ge
ts
M
e
tr
i
c
s
B
e
s
t
m
o
d
e
l
[4
4
]
S
hor
t
-
t
e
r
m
R
F
, G
B
M
,
X
G
B
oo
s
t
N
ume
r
i
c
a
l
w
e
a
th
e
r
pr
e
di
c
ti
o
ns
(
N
W
P
)
,
pr
ov
id
e
d b
y
E
ur
o
p
e
a
n
C
e
nt
r
e
f
o
r
m
e
di
um
-
r
a
nge
w
e
a
th
e
r
f
or
e
c
a
s
ts
(
E
C
M
W
F
)
V
5, V
6, V
9 (
a
t
s
ur
f
a
c
e
le
ve
l
a
nd 100
m)
, V
10 (
a
t
s
ur
f
a
c
e
le
ve
l
a
nd 100
m)
W
in
d
po
w
e
r
M
A
E
R
F
,
X
G
B
oo
s
t
[4
5
]
L
o
ng
-
t
e
r
m
L
A
S
S
O
,
K
N
N
,
X
G
B
oo
s
t,
R
F
, S
V
R
F
iv
e
y
e
a
r
s
of
h
o
ur
l
y
w
in
d s
pe
e
d
o
bs
e
r
v
a
ti
o
n
v
a
lu
e
s
i
n N
ig
de
, C
e
s
m
e
,
M
a
ma
k, B
oz
c
a
a
da
a
nd
S
il
i
v
r
i
in
T
ur
k
e
y
V
7, V
8
W
in
d
po
w
e
r
R
M
S
E
,
M
A
E
,
R2
-
s
c
or
e
R
F
, S
V
R
(
us
in
g
o
nl
y
da
il
y
w
in
d
s
pe
e
d)
[4
8
]
L
o
ng
-
t
e
r
m
D
T
, R
F
,
A
da
B
oo
s
t,
X
G
B
oo
s
t,
G
B
M
G
ha
da
mga
h
(
36.104◦
no
r
th
a
nd 59.066◦
e
a
s
t
lo
ngi
tu
de
)
a
nd K
ha
f
(
34.567◦
n
o
r
th
a
nd
60.148◦
e
a
s
t
lo
ngi
tu
de
)
w
in
d
f
a
r
ms
, I
r
a
n
C
a
s
e
1:
V
7, V
8 (
m
e
a
s
ur
e
d
a
t
a
he
ig
ht
of
40 m
e
t
e
r
s
,
10
-
mi
n s
a
mpl
in
g t
im
e
)
C
a
s
e
2:
V
1 (
m
e
a
s
ur
e
d a
t
a
he
ig
ht
of
40 m
e
t
e
r
s
, w
it
h
1
-
h, 12
-
h, a
nd 24
-
h
s
a
mpl
in
g t
im
e
s
)
C
a
s
e
3:
V
1 (
m
e
a
s
ur
e
d a
t
he
ig
ht
s
of
30 m
e
t
e
r
s
a
nd
10 me
t
e
r
s
, e
x
t
r
a
p
o
la
te
d t
o
40 me
t
e
r
s
)
W
in
d
po
w
e
r
M
A
E
,
R
M
S
E
,
R2
-
s
c
or
e
X
G
B
oo
s
t
[
49
]
S
hor
t
-
t
e
r
m
V
R
, G
B
M
,
D
T
,
l
in
e
a
r
,
R
id
ge
,
L
a
s
s
o
,
E
la
s
ti
c
N
e
t,
A
da
B
oo
s
t
E
x
p
e
r
im
e
n
ta
ll
y
-
c
o
ll
e
c
te
d
nume
r
i
c
a
l
a
nd
c
a
te
g
or
i
c
a
l
da
ta
f
r
o
m
mul
ti
pl
e
s
e
ns
or
s
o
n a
ki
te
s
y
s
t
e
m d
e
s
ig
ne
d a
t
K
y
us
hu U
ni
ve
r
s
it
y
V
3, V
11, V12, V
13, V14,
V
15, V16, V
17, V18, V
19,
V
20, V21
T
e
th
e
r
f
or
c
e
M
S
E
,
R2
-
s
c
or
e
VR
Evaluation Warning : The document was created with Spire.PDF for Python.