Введение 3
Постановка задачи 4
Обзор литературы 5
1 Численная модель конвективного облака 7
1.1 Процесс образования конвективных облаков 7
1.2 Классификация численных моделей конвективных облаков . 9
1.3 Нестационарная полуторамерная модель конвективного облака 11
2 Формирование данных для исследования 13
2.1 Реализация алгоритма получения данных 13
2.2 Данные 15
2.3 Предварительная обработка данных 16
3 Применение нейронных сетей 18
3.1 Многослойный персептрон 18
3.2 Персептронный комплекс 21
3.3 Сеть радиально-базисных функций 25
3.4 Вероятностная нейронная сеть 29
Выводы 31
Заключение 34
Список литературы 35

Купить

В настоящее время актуальна проблема прогнозирования таких опасных конвективных явлений, как грозы, град и обильные осадки, в связи с масштабом разрушений, которые они производят. Информация о наступлении подобных явлений нужна в первую очередь аэропортам, авиакомпаниям и службам МЧС.
Для прогнозирования таких явлений повсеместно используются со-временные численные модели конвективных облаков. Существует множество моделей, отличающихся как степенью детализации описания микро- физических процессов, так и размерностью.
Для научных исследований наибольший интерес представляют трех-мерные модели с подробным описанием микрофизических и электрических характеристик облака, которые с большой степенью детализации описывают процессы в облаках во всей сложности их взаимодействия и, следовательно, должны обеспечивать наилучшее качество прогнозов. Однако их использование для оперативного прогнозирования в небольших метеорологических центрах, например, в метеорологических центрах аэропортов, невозможно из-за отсутствия там необходимой вычислительной мощности, которая нужна для проведения расчетов по таким моделям. Использование моделей меньшей размерности и более низкой функциональности ставит проблему определения вероятности развития грозы только путем анализа рассчитанных значений динамических и микрофизических характеристик облака, поскольку такие модели не имеют блока, описывающего электрические процессы.
В настоящее время методы машинного обучения считаются одним из наиболее перспективных инструментов для установления связи между выходными данными таких численных моделей и вероятностью появления грозы, таким образом они являются эффективным инструментом для прогнозирования опасных конвективных явлений.
В данной выпускной квалификационной работе рассмотрена возможность применения для решения задачи прогнозирования опасных конвективных явлений одного из видов машинного обучения, нейронных сетей, на примере прогнозирования грозы.
Постановка задачи
Цель работы: разработка и реализация алгоритма обработки результатов численного моделирования конвективных облаков с использованием нейронных сетей.
Для достижения поставленной цели были сформулированы следующие задачи:
1. на основе анализа различных моделей конвективного облака, выбрать модель, позволяющую реализовать прогнозирование эволюции облака в оперативном режиме;
2. реализовать получение и обработку входных данных для модели;
3. реализовать предварительную обработку выходных данных модели, которые будут использованы для выполнения прогноза;
4. реализовать прогнозирование опасных конвективных явлений (грозы) с использованием нескольких типов нейронных сетей;
5. для каждого типа нейронной сети найти структуру, с помощью которой получаются наилучшие результаты;
6. на основе анализа результатов сделать вывод о том, какая нейронная сеть является наилучшим вариантом для прогнозирования грозы.
Купить