一个真正可持续的未来需要太阳能，但如何持续最大化电池板阵列收集的能量仍然是该行业面临的最大挑战之一。与化石燃料不同，太阳能的产量取决于天气和大气变量的复杂相互作用，以及太阳本身的活动。这意味着几乎不可能创建一个通用的预测模型，因此本地化的太阳能预测系统是必需的。
尽管机器学习技术已显著改进了今天的预测模型，但仍有很大的改进空间。然而，一个人工智能程序的好坏取决于用于训练它的数据——根据澳大利亚查尔斯·达尔文大学的研究人员的说法，很难找到比原住民季节历更好的太阳能预测数据集。他们的这种新方法在《IEEE 计算机学会开放期刊》上发表的一项研究中有详细介绍。
当今非原住民文化普遍将一年分为四个季节，但这并非对许多过去和现在的原住民社区都适用。例如，像阿兹特克人的太阳历就足够准确，可以指导养活数百万人的农业实践。在澳大利亚，蒂维群岛的居民使用基于当地生态知识的三季历。达尔文的 Gulumoerrgin（Larrakia）社区承认七个主要季节，而北领地的 Kunbarlanja（Gunbalanya）和 Ngurrungurrudjba 也拥有自己精细的历法。
“这些历法与天气模式和季节密切相关。这些历法中对当地气候的深刻理解使原住民能够做出明智的资源管理和可持续性决策，”研究作者解释说。“随着气候变化影响天气模式，了解这些历法对于适应环境挑战至关重要。”
此外，与传统的历法系统不同，澳大利亚原住民根据当地的生态线索对季节进行分类。这些线索包括与日光和天气模式变化密切相关的动植物行为。
在此背景下，该团队将来自蒂维、Gulumoerrgin（Larrakia）、Kunwinjku 和 Ngurrungurrudjba 原住民历法的信息分解为各种数据点，并加入了一个称为“Red Centre”的现代历法。然后，研究人员将他们的原住民季节指标（FNS-Metrics）数据集输入一个新颖的机器学习模型，该模型旨在检测大规模模式。之后，他们将该系统与澳大利亚沙漠知识太阳能中心（DKASC）在爱丽斯泉收集的过去太阳能和天气信息进行了测试。
结果令人震惊：原住民季节指标的性能远远优于当今许多领先的预测模型。与一个已经很强大的基线模型相比，原住民数据的准确性提高了 14.6%，误差率降低了 26.2%——不到现有预测程序误差率的一半。
“将原住民的季节性知识纳入太阳能发电预测，可以通过使预测与数千年来观察和理解的自然周期保持一致，从而显著提高准确性，”CDU 博士候选人兼研究合著者 Luke Hamlin 说，他也是澳大利亚东部 Bundjulang 部落的成员，他表示。
Hamlin 补充说，将原住民知识融入预测模型可以更精确地调整系统，以反映环境条件更细微的变化。这为各个地区提供了“更精确、更具文化信息的预测”。该团队表示，这种策略对于已经拥有大量原住民社区的农村地区尤其有益。这些地区最有可能从额外的太阳能农场中受益。而且这种方法不仅限于太阳能。
CDU 信息技术讲师兼研究合著者 Thuseethan Selvarajah 表示：“在未来的工作中，我们将探索该模型在其他地区和可再生能源领域的应用。”
