Применение алгоритмов искусственных нейронных сетей для краткосрочного метеопрогноза Грибин, Алексей Сергеевич

Краткое описание

Грибин,АлексейСергеевич.Применениеалгоритмовискусственныхнейронныхсетейдлякраткосрочногометеопрогноза: диссертация ... кандидата физико-математических наук : 25.00.30. - Санкт-Петербург, 2005. - 154 с. : ил.больше
Цитаты из текста:

стр. 1
[519.2 +519.6]:551.509.21ГрибинАлексейСергеевичПРИМЕНЕНИЕАЛГОРИТМОВИСКУССТВЕННЫХНЕЙРОННЫХСЕТЕЙДЛЯКРАТКОСРОЧНОГОМЕТЕОПРОГНОЗА25.00.30 - Метеорология,

стр. 2
исходных данных и обучениенейронныхсетейЗадачи, решаемые на основенейронныхсетейОпытприменениянейронныхсетейОбщий подход к прогнозированию с помощьюнейронныхсетейОпытприменениянейронныхсетейдляанализа временных рядов в финансовой сфере Сравнительные характеристики современных нейропакетов

стр. 6
применениястандартныхалгоритмовнейронныхсетей, разработанныхдляэкстраполяции временных рядов, в целяхкраткосрочногопрогноза метеорологических величин; поиск возможностей использованиядляэтих целей альтернативныхалгоритмовнейронныхсетей, предназначенныхдляцелей классификации (алгоритмовэкспертных

Оглавление диссертациикандидат физико-математических наук Грибин, Алексей Сергеевич
Введение.
1 Прогнозирующие системы в метеорологии: состояние проблемы.
1.1 Метеорологический прогноз и цели его использования.
1.2 Основные понятия и определения проблемы прогнозирования.
1.3 Методы прогнозирования синоптических параметров
1.4 Модели временных последовательностей, регрессионный анализ.
1.5 Традиционные методы краткосрочного прогноза: оценка точности на примере прогноза температуры.
2" Нейронные сети: состояние проблемы.
2.1 Основные понятия и определения.
2.2 Модели нейронных сетей.
2.3 Подготовка исходных данных и обучение нейронных сетей
2.4 Задачи, решаемые на основе нейронных сетей. ф 2.5 Опыт применения нейронных сетей.
3 Прогнозирование на основе нейронных сетей.
3.1 Общий подход к прогнозированию с помощью нейронных сетей.
3.2 Опыт применения нейронных сетей для анализа временных рядов в финансовой сфере.
3.3 Сравнительные характеристики современных нейропакетов ф 3.4 Обоснование выбора пакета STATISTICA Neural
Networks(SNN), как основы для проведения исследований.
4 Прогноз по временным рядам метеовеличин с применением стандартных алгоритмов нейронных сетей (SNN).
4.1 Описание использованной базы исходных данных
4.2 Методика прогнозирования на основе временных рядов по нескольким синоптическим параметрам
4.3 Результаты численных экспериментов по построению нейронных сетей.
4.4 Результаты метеопрогнозов получаемых по нейросетям.
4.5 Критический анализ полученных результатов.
5 Разработка альтернативной методики для краткосрочного метеопрогноза.
5.1 "Сценарный" подход к интерпретации длинных временных рядов метеорологических величин.
5.2 Методика близких синоптических ситуаций (БСС): формализация.
5.3 Методика обработки и анализа временных рядов для дальнейшего использования в нейросетевых ф алгоритмах БСС.
5.4 Разработка специализированных программных средств.
5.5 Особенности процесса обучения и качество работы получаемых нейронных сетей.
6 Применение методики БСС для получения краткосрочного метеопрогноза. ф 6.1 Отобранные конфигурации нейросетей и методика проведения численных экспериментов.
6.2 Ансамбли метеопрогнозов и их вероятностная интерпретация.
6.3 Применение разработанной методики для анализа метеорологической ситуации на 22 июля 2001 г.
6.4 Результаты расчетов, оценка быстродействия методики для оперативного проведения прогнозов
6.5 Статистический анализ качества получаемых прогнозов на примере прогноза температуры воздуха.
6.6 Разработка рекомендаций по использованию и дальнейшему развитию предложенной методики краткосрочного прогноза.