Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Chemia i Inżynieria Ekologiczna

1 2002

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: uczenie konkurencyjne

Sortuj według:

Ogranicz wyniki do:

Zastosowanie samoorganizujących się sztucznych sieci neuronowych do klasyfikacji wektorów pogodowych

Kamiński K., Kamiński W., Skrzypski J.

Chemia i Inżynieria Ekologiczna

2002

Vol. 9, nr 12

1583-1592

Wiele przeprowadzonych dotychczas badań potwierdziło silny wpływ czynników meteorologicznych na rozprzestrzenianie się zanieczyszczeń w atmosferze. Prognozując stan aerosanitarny nad określonym obszarem, należy wziąć pod uwagę dane pogodowe z wielu meteorologicznych stacji pomiarowych. Alternatywą może być zastosowanie wektorów pogodowych charakterystycznych dla określonej pory roku i typu cyrkulacji atmosferycznej. Praca zawiera wyniki klasyfikacji wektorów pogodowych, przeprowadzonej za pomocą samoorganizujących się Sztucznych Sieci Neuronowych (SSN). Obliczenia wykonano na podstawie danych uzyskanych ze stacji meteorologicznej Łódż-Lublinek. Klasyfikowano wektory oryginalne oraz wektory o składowych ortogonalnych uzyskane metodą analizy składowych głównych PCA (Principal Component Analysis). Sieci neuronowe uczono zgodnie z zasadą współzawodnictwa przy zastosowaniu algorytmu Kohonena i gazu neuronowego. Stwierdzono, że najlepsze rezultaty daje uczenie SSN za pomocą metody Kohonena, przy wykorzystaniu danych wejściowych w postaci wektorów pogodowych o składowych oryginalnych. W wyniku badań uzyskano zestawy charakterystycznych wektorów pogodowych reprezentujące typy pogody możliwe do wystąpienia w Łodzi i pobliskich okolicach, przy określonej porze roku i danym typie cyrkulacji atmosfery. Uzyskane wyniki pozwalają na szybką prognozę pogody, umożliwiającą natychmiastowe podejmowanie decyzji i pominięcie skomplikowanych analiz map synoptycznych.

Present investigations have proved a strong influence of meteorological components on the propagation of air pollutants. The prediction of atmospheric conditions over an urban area requires meteorological data measured in many meteorological stations. Another solution could be an application of characteristic weather vectors typical for season and atmospheric circulation. Results of the classification of weather vectors by means of self-organizing Artificial Neural Networks (ANNs) are presented in the paper. Calculations were based on data from the meteorological station Łódź-Lublinek. 80th original vectors and vectors with orthogonal coordinates, obtained from the Principal Component Analysis (PCA), were classified. ANNs were trained on the basis of competitive learning with Kohonen's and neural-gas algorithm applications. It was found that the big results were acquired while teaching ANNs using Kohonen's algorithm with a simultaneous application of input data as weather vectors with original coordinates. As a result of the research, characteristic weather vectors for each season and type of atmospheric circulation were found. They represent kinds of weather that tan occur in Łódź and the nearest surroundings. The results can be applied to perform a fast weather forecast which is very important in making instant decisions and help us to avoid complex analyses of weather maps.