張大為：像線性的方法，同差來說都是給你一個軟件，你需要往里面去輸入你所知道的這些值。是吧?那么，包括CF也需要去輸入這些值，然后你才能得出一個東西。你輸入的東西的本身也是說體有沒有，以及質量如何也是變得很重要的。不一樣的是我們的方法是說我已經有了一個比如說作為風板，我已經有了一個很大的數據庫。這個數據庫已經有了四十年，五十年的一個關于氣象的數據了。包括風速和風向。這個數據實際上是覆蓋了整個的，不光是一個時間上40年，50年，實際上在空間上也是覆蓋了整個的一個地球的。所以說你可能沒有給我數據，這個時候我已經有很多很多的數據了。你明白吧。但是我的數據說跟你現在項目地的情況怎么樣可以放在一起這是我講的擬合，我們會把項目地里測風的信息，這些信息放在里邊降低了我的大模型的一個公差，這樣的話它就帶來了很高的一個分辨率。但是傳統的方法，你的問題是什么，傳統的方法是說你所測的時間，觀測的時間，通常來說的話是有限的，一年，兩年，但是你拿它推演一個長期的二十年一個發電量來說，肯定有很多，很模糊的地方，你用了我們的方法，可以有很多可以去很確定的趨勢。
　　常蕊：就是說您拿到了氣象局所有的數據，是吧?
　　張大為：不是氣象局，是國際組織的。
　　常蕊：是歐洲一些的。
　　張大為：對。
　　常蕊：好，謝謝。
　　朱蓉：下面請來自丹麥科技大學風能系的Marisciel litong Palima。他在日本東京大學獲得信息學博士學位，擁有菲律賓大學的物理學碩士。
　　Jeffrey Lerner：早上好，首先我感謝各位的到來，我是菲律賓人，所以我本人對于關于熱帶氣旋非常感興趣，之前那位發言人講到這個熱帶氣旋，我非常感興趣，這個研究是和丹麥科技大學的人一起做的研究。
　　首先我要感謝中丹教育研究中心對我們的支持，我們和中國科學院也進行了合作。那么，另外還有丹麥的八所大學，我們的研究的團隊，主要是做可再生能源的研究。那么，我所展現的這個工作有一部分是我在做博士論文的時候所做的研究。今天的這樣一個發言，我會給大家首先簡單的介紹一下這個我們想解決的問題，然后來給大家介紹一下我們具體的工作目標，然后再跟大家談一下錯誤模型。最后我來談一下馬爾科夫鏈。
　　所以現在我們要解決的一個最基本的問題，就是說在產生能量的方面，大家知道風能如果太少的話，那么就會缺乏發電量。如果說風能太多的話，也會導致電網的癱瘓。同時，風的變化很大，因為他每秒鐘，每個小時，每天的風都會發生變化。那么，在一周之內，或者是說在不同的季節，也會有變化。這會導致很多的不平衡，也有可能會導致電網當中的可靠性受到影響。因此要想來解決這些挑戰，那么最好的辦法是預測，預測產量。但是這個預測必須要放在一個地點這樣一個背景之下，在我們的丹麥的體系中，生產是由一個市場來決定的。因此，在這個運營期間是通常來說在每天的運營當中都會有記錄。那么記錄的話都會提供相關的資料。但是我們也知道每天中午的十二點到每天夜里24點開始運營的時候，之間有12小時的視察。那么我們在這個工作中主要的目標是說要能夠進行這樣一個預測。通過這個預測我們就可以真正的了解到它的誤差或者是說錯誤。那么什么時候我們要進行預測，我們知道與預測方法相關的錯誤在哪?我們就能夠更準確的來預測風能的供應。對這個方法來說非常重要的是我怎么樣來對這個錯誤或者是說誤差來建模。
　　所以我們就打算使用這個回歸及馬爾科夫鏈的模型。那么，我們這里談的錯誤或者是說誤差實際上是預測與實際之間的誤差，我們建模之前我們要看一些數據。數據是由丹麥的機構為我們提供的。他們給我們提供了一些相關的預測。他們有他們自己的內部的預測工具。那么，對于我們來說，我們知道對于風機的管理者來說，他們需要保持平衡。那么，這個工作并不是在這個控制室展開的。而是說可以在未來的規劃當中使用到的一些數據。我們希望能夠通過公式來反應真正的不平衡的情況，以及真正的風能供應的情況。
　　所以現在我們實際上是要開發一個工具，這個工具被稱之為叫做平衡型模擬工具。那么，這個工具今后可能將會是按小時的來做這個運營的建模。這個工作并不僅僅是預測本身，同時也要試圖能夠得出這個真實的錯誤速率。那么我們剛才前面也說到了我們是通過市場來激活的。那么市場當中包括了消費者也包括了電網的提供者。那么他們的問題是我們怎么樣來去評估這個風的資源。同時怎么樣去激活風能資源。那么這些問題都是我們需要幫助他們回答的。