Modelowanie różnic parametrów termicznych powietrza mierzonych metodami standardową i automatyczną Neural network modelling of air temperature differences measured with standard and automatic method
W pracy analizowano szeregi czasowe dobowych różnic między wynikami
standardowych i automatycznych pomiarów trzech parametrów termicznych powietrza – temperatury
średniej, maksymalnej i minimalnej. Celem pracy było stworzenie modelu analizowanych szeregów
czasowych z wykorzystaniem sztucznych sieci neuronowych, które posłużyły do identyfikacji
pojawiających się w nich wzorców oraz ich powtarzalności. Wykorzystano wyniki badań prowadzonych
w okresie 2000-2009 na terenie Obserwatorium Uniwersytetu Przyrodniczego Wrocław-
Swojec. Do realizacji założonego celu wykorzystano sieci perceptronowe o pojedynczej warstwie
ukrytej, stworzone w programie MATLAB (Neural Network Toolbox) oraz STATISTICA 10.
Analizowano architekturę opracowanych sieci, liczbę cykli w procesie uczenia, zmiany wartości
błędu średniokwadratowego i zależności między wartościami parametrów uzyskanych z pomiarów
za pomocą przyrządów meteorologicznych oraz prognozowanych przez sieci. Pomimo wielu prób
nie uzyskano modelu o zadowalającej jakości. Stwierdzono, że szeregi czasowe miały charakter
białego szumu, czyli występowanie różnic między obiema metodami pomiaru temperatury powietrza
cechowała losowość i brak wyraźnej cykliczności oraz trendu.
The paper presents an analysis of time series concerning diurnal differences between
standard and automatic results of measurements of three air thermal parameters – mean (Tm),
maximum (Tmax) and minimum (Tmin) temperature. By means of artificial neural networks an
attempt at identification of the occurring patterns and their repetition was made. The study was
conducted in the period of 2000-2009 on the site of Agro- and Hydrometeorology Observatory
Wroclaw-Swojec which belongs to the Wroclaw University of Environmental and Life Sciences. In
order to achieve the intended aim, single-layer perceptron networks were used, created in MATLAB
(Neural Network Toolbox) and STATISTICA 10. The following aspects were subjected to the
analysis: the architecture of the developed networks, the number of cycles in the learning process,
the changes in Mean Squared Error (MSE), and the correlations between the values of the parameters
obtained by means of meteorological instruments and the ones prognosticated by the networks.
Despite multiple attempts, no model of satisfying quality was obtained. It was concluded that the
nature of the time series was that of white noise, meaning that the occurrence of differences between
both air temperature measurement methods were characterised by randomness and a lack of visible
circularity and trend.
Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies
Informacja
SZANOWNI CZYTELNICY!
UPRZEJMIE INFORMUJEMY, ŻE BIBLIOTEKA FUNKCJONUJE W NASTĘPUJĄCYCH GODZINACH:
Wypożyczalnia i Czytelnia Główna: poniedziałek – piątek od 9.00 do 19.00