Previous snow studies have relied o

Previous snow studies have relied on continuous clearing
of a set of control modules [12] or on the comparison of
actual system output to modelled system output over a given
time period [6], which is the methodology adopted by this
work. It has, however been shown that many accepted
modelling techniques can have a large portion of seasonal
and absolute bias due to spectral effects and module power
tolerances, in addition to not properly accounting for albedo
irradiation. Therefore, this work uses the adaptive modelling
algorithm proposed in [15] to reduce these biases and

結果 (中文) 1:

以前的雪研究有依靠连续结算
的一组控制模块 [12] 或比较研究
在输出到模拟的系统输出的实际系统给定
是通过这种方法的时间段 [6]
工作。不过已显示很多接受
建模技术可以有很大一部分的季节性
和光谱效应以及模块电源绝对偏差
公差，除了不能正确地会计的反照率
照射。因此，这项工作将使用自适应建模
算法中提议 [15] 以减少这些偏见和

結果 (中文) 2:

前面的积雪研究依赖于连续交换
的一组控制模块[12]，或在比较
实际系统输出到建模系统输出在给定的
时间周期[6]，这是通过这样的方法
工作。它，然而研究显示，许多公认
的建模技术可以具有季节性的大部分
和绝对偏差由于频谱的影响和模块功率
容限，除了不正确占反照率
照射。因此，这项工作采用自适应模型
[15]中提出的算法，以减少这些偏见和

結果 (中文) 3:

以前的雪的研究依靠一套控制模块[ 12 ]连续清除
或对
系统实际输出到模拟系统输出的比较在一个给定的
时间[ 6 ]，这是由这
方法。有，然而已表明，许多接受
建模技术可以有季节性
很大一部分与绝对偏差由于光谱的影响及模块电源
公差，除了不适当的会计
照射反照率。因此，本工作使用的自适应建模
算法[ 15 ]提出了减少这些偏差和