直接受益于菲律宾的太阳能、农业等产业，是一个国际性的产业由马尼拉雅典耀大学和马尼拉天文台领导的一个研究小组得出了结论从来没有一种方法可以将晴天预报的准确率提高94%。
世界各地的天气预报员和科学家依靠计算机生成的模拟工具提前几天预测天气，其中天气研究与预报模式（WRF）是最知名和广泛使用的模式之一。特别是，预报某一地区在某一特定日子里的日照量有各种各样的用途——从帮助普通人决定如何着装和日常生活，到使整个工业能够根据太阳辐射的影响调整其操作。
雅典雅典大学领导的研究人员通过应用一种称为卡尔曼滤波器（KF）的数学算法改进了WRF-Solar预测。利用马尼拉各大气象站的数据，他们发现，在某些条件下，他们可以将预报与实际观测之间的差异降到最低，最低可达6%。
从更专业的角度来说，在WRF-Solar对马尼拉大都会全球水平辐照度的预测中使用KF，在短短三天的训练数据中，平均偏倚误差（MBE）减少了94%，均方根误差（RMSE）减少了12%。最佳训练天数因季节而异，旱季（1 ~ 3月）为42天，雨季（6 ~ 8月）为14天。KF算法在修正阴天预报方面也表现出色，尽管由于对阴天的过度补偿，在晴空预报方面存在轻微的不准确性。
这些结果表明，KF是太阳能应用中计算成本更高的预测方法的一个有希望的替代方法。这项开创性的研究突出了WRF-Solar和KF结合起来加强太阳能预测的潜力，这对菲律宾的可再生能源规划至关重要。研究结果还强调需要进一步优化菲律宾不同景观的模型，以确保根据该国独特的气候条件进行可靠的太阳能预测。
“这项研究的结果是首次评估WRF-Solar和KF在菲律宾的表现，将作为计算效率更高的替代方案的基础，以取代更密集、更高分辨率和多个集合成员的太阳预报。考虑到辐照度数据的可用性，未来的工作打算把重点放在将这种方法应用于菲律宾的不同地形上，”研究人员说。
来自马尼拉雅典耀大学科学与工程学院物理系和马尼拉天文台的Shane Marie Visaga、patrick John Pascua、Leia Pauline Tonga、Lyndon Mark Olaguera、Faye Abigail Cruz、James Bernard Simpas、Sherdon Ni?o Uy和Jose Ramon Villarin；来自法属圭亚那大学UMR space- dev的Rafael Alvarenga；来自美国海军研究生院/CIRPAS机载研究设施的Anthony Bucholtz；日本筑波大学的Angela Monina Magnaye；和来自美国海军研究实验室海洋气象部门的Elizabeth Reid在去年11月15日的《太阳能》杂志上发表了他们的论文，“Kalman滤波在菲律宾马尼拉大都会WRF-Solar预报后处理中的应用”。
