| 1 |
Повзло С.А.
РАЗРАБОТКА СИСТЕМЫ МОНИТОРИНГА И ПРОГНОЗИРОВАНИЯ МЕТЕОПАРАМЕТРОВ АТМОСФЕРЫ С ИСПОЛЬЗОВАНИЕМ ИНСТРУМЕНТАЛЬНЫХ СРЕДСТВ, РАБОТАЮЩИХ В РЕАЛЬНОМ
МАСШТАБЕ ВРЕМЕНИ
Регіональна студентська науково-технічна конференція "Інформатика та комп’ютерні технології"
Место проведения: ДонНТУ
Дата проведения: 15 декабря 2005 года
|
| |
В данной статье рассматривается необходимость создания локальной системы мониторинга и прогноза метеопараметров атмосферы на локальном уровне,
так как в настоящее время такие системы отсутствуют. В статье рассматривается принципиальная схема такой системы.
|
| 2 |
Повзло С.А.
АВТОМАТИЗИРОВАННАЯ СИСТЕМА МОНИТОРИНГА И ПРОГНОЗА МЕТЕОПАРАМЕТРОВ АТМОСФЕРЫ
V Міжнародна наукова конференція студентів та аспірантів
“Охорона навколишнього середовища та раціональне використання природних ресурсів”
Место проведения: ДонНТУ
Дата проведения: 11-16 апреля 2006 года
|
| |
В статье рассматриваются основные существующие модели численного прогнозирования погоды, несовершенство этих моделей для создания прогнозов на локальном
уровне. Также рассматривается другой возможный подход в создании локального прогноза погоды - использование нейросетевых моделей. Приводится архитектура
системы прогноза погоды на локальном уровне.
|
| 3 | Повзло С.А.
ИСПОЛЬЗОВАНИЕ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ ДЛЯ ЛОКАЛЬНОГО ПРОГНОЗА ПОГОДЫ
Комп’ютерний моніторинг та інформаційні технології
2006
ІІ Міжнародна наукова конференція студентів, аспірантів та молодих вчених ДонНТУ
Место проведения: ДонНТУ
Дата проведения: 15 мая 2006 года
|
| |
В статье рассматривается возможность использования нейросетей для создания прогноза погоды на локальном уровне. Рассматривается возможность использования
ансамбля нейросетей, как одной из возможностей в прогнозе погоды применительно к городу Донецк.
|
| 4 | Numerical Weather Prediction
URL:www.atmo.arizona.edu/students/courselinks/spring06/atmo336/lectures/sec6/weather_forecast.html |
| | Данная статья рассказывает о численном прогнозировании погоды. В ней рассматриваются
суть,особенности численного прогнозирования, трудности его использования. Также рассказывается о причинах
ошибок при использовании данного способа прогноза погоды. Эта информация сопровождается рисунками, схемами, графиками. |
| 5 | Pete's Potpourri
Numerical Weather Prediction inFAQ
URL:www.scn.org/~bm733/inFAQ.htm
|
| | В данной статье рассказывается о численном прогнозировании погоды (ЧПП). В ней большая часть
материала посвящена о ученых, на основе теории которых основана современная метеорология.
Также содержится информация об истории ЧПП, роли компьютеров в ЧПП, о методике ее работы. Рассматриваются основные модели ЧПП.
|
| 6 | Raymond J. Ballard
Forecasting with Neural Networks – A Review
Texas A&M University-Commerce
URL:www.nssa.us/nssajrnl/NSSJ2003%2020_2/html/03Ballard_Raymond.htm |
| |
В данной статье автора Raymond J. Ballard под названием "Forecasting with Neural Networks – A Review" ("Прогнозирование с использованием нейронных сетей - обзор")
рассматривается возможность использования нейросетей для прогнозирования в сфере бизнеса. Приводится краткий обзор структуры нейросетей, выделяются
преимущества и недостатки использования нейросетей.
|
| 7 | [pdf]C. Perez-Llera, M.C. Fernandez-Baizan, J.L. Feito and V. Gonzalez del Valle
"Local Short-Term Prediction of Wind Speed:A Neural Network Analysis"
URL:www.iemss.org/iemss2002/proceedings/ pdf/volume%20due/29_perez-llera.pdf |
| | Статья испанских авторов C. Perez-Llera, M.C. Fernandez-Baizan, J.L. Feito и V. Gonzalez del Valle под названием
"Local Short-Term Prediction of Wind Speed: A Neural Network Analysis" (Локальный краткосрочный прогноз скорости ветра: анализ с помощью нейронных сетей).
В данной статье рассматривалось использование нейронных сетей для прогнозирования скорости ветра на 20мин в будущее. Для построения нейросети использовалась
программа SNNS (Stutgart Neural Network Simulator). Так как скорость ветра зависит от других метеорологических показателей, то для построения и обучения нейронной сети
использовались данные по 12 параметрам (скорость и направление ветра, температура воздуха, давление, относительная влажность и др.). В результате была
получена следующая структура нейронной сети: 3 входа с 6 нейронами в одном скрытом слое, один выход. В результате исследований было получено,
что входами нейронной сети должны быть значения 6 метеорологических параметров (из 12): скорость ветра, температура воздуха, относительная влажность,
давление, атмосферная остаточная радиация и осадки.
|
|