随着气候变化和可持续发展意识的不断增强，从化石燃料向可再生能源的持续转变从未如此重要。

这种转变需要强大的信息结构来确保平稳过渡。风能和太阳能是最丰富的可再生能源之一;然而，该领域的工程师和研究人员需要建立数据管道，以便有效地将太阳能和风能整合到他们的工艺设计中。

Abdullah Al-Aboosi 是多学科工程系的跨学科博士生。他正在与麦卡伦高等教育中心的多学科工程学教授 Aldo Jonathan Muñoz Vazquez 博士合作研究一种神经网络，他们希望这种神经网络能够提供这样的管道。

这项研究的催化剂源自 Munoz Vazquez 和 Al-Aboosi 之间的讨论。这个想法逐渐发展成为一个综合项目，借鉴了多位合作者的专业知识，包括 RAPID 制造工艺强化研究所的 Wei Zhan、Mahmoud El-Halwagi 博士和 Fadhil Al-Aboosi 博士。RAPID 制造研究所提供了一个宝贵的开放获取来源，研究人员可以使用这些数据来验证其模型的预测。

就神经网络本身而言，它可以通过预测每日和每小时的风速和太阳辐射来提供任何可再生能源系统运行和生命周期评估的精确概述。通过准确预测太阳能和风能的可用性，可以更有效地管理技术资源和供应。

Al-Aboosi 希望该项目能够更好地将可再生能源定位为工业领域的主要电力来源。该项目旨在使研究人员和可再生能源安装公司能够确定所需的太阳能电池板和风力涡轮机的最佳数量，以防止生产过剩或不足。这样的减少可以激励潜在投资者采用这项技术，并推动实现更清洁的空气和更绿色的电力的未来。