Felhőalap és felhőborítottság rövid távú előrejelzése neurális hálózat segítségével
This work is licensed under a Creative Commons Attribution 4.0 International License.
Absztrakt
A numerikus előrejelzési modellek közvetlenül nem nyújtanak felhőzetre vonatkozó információkat, így ezeket kizárólag az utófeldolgozás során lehet – közvetett módon – előállítani. Ezek beválása azonban nem megfelelő, így az előrejelzők számára komoly kihívást jelent a felhőzet megfelelő pontosságú előrejelzése. Kutatásunk azt vizsgálja, hogy a felhőzet rövid távú előrejelzése vajon javítható-e modell kimeneti statisztikára épülő neurális hálózatokkal. Vizsgálatunk során a WRF modell háromévnyi operatív adatsorát vettük alapul. A neurális hálózatok által nyújtott teljesítmény nagy mértékben függ attól, hogy hogyan építjük fel a hálózatot. Különféle topológiával, aktivációs függvénnyel konstruált, más-más tanulási algoritmussal betanított neurális hálózatok közül a legjobban teljesítő hálózat kiválasztása vizsgálatunk legfontosabb feladata. A legjobban teljesítő neurális hálózatok eredményeit hasonlítottuk össze régebbi felhőzetmeghatározásra alkalmazott módszerekkel.