کاربرد شبکه عصبی مصنوعی خودسازمانگر SOM در هواشناسی سینوپتیک
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,582
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
DESERT01_214
تاریخ نمایه سازی: 30 مرداد 1391
چکیده مقاله:
شبکه عصبی مصنوعی خودسازمانگر (SOM) می تواند برای محلیابی نقاط الگویی استفاده شود که تابع توزیع چند بُعدی یک دسته دادهی شبکهبندی برای مثال مربوط به فشار در سطح دریا را توصیف میکند. این نقاط عوارض عمده جریان در مقیاس سینوپتیک منطقه را مشخص میکنند. در حقیقت، هر نقطه بیانگر یک توزیع غیرخطی از انواع جریان است. الگوهای جریان پیشتر در آرایههای دوبعدی متجسمسازی شدهاند که این امر انواع مشابه را در مجاورت یکدیگر و انواع متفاوت را با فاصله از هم در فضای SOM قرار میدهد. نقشههای خودسازمانگر با هدف تشریح تغییرات جریانهای سینوپتیک در طول زمان مورد استفاده قرار میگیرند. مقاله حاضر بر روی روش انجام این کار متمرکز میباشد. آنالیزها نشان میدهند که سامانههای جریان بارانزا در طی 40 سال گذشته در منطقه و کشور کاهش یافتهاند. آنالیزهای بیشتر با استفاده از SOM نشان میدهند که وقوع این امر عمدتاً بواسطهی تغییر در ویژگیهای بارش در مقیاس سینوپتیک بوده و تغییر بسامد وقوع، تاثیر چندانی بر این مهم نداشته است.
کلیدواژه ها:
نویسندگان
سهیلا مزین
دانشگاه زنجان، دانشکده علوم، گروه محیط زیست
یوسفعلی عابدینی
دانشگاه زنجان، دانشکده علوم، گروه فیزیک
مهدی وثیقی
دانشگاه تحصیلات تکمیلی در علوم پایه زنجان، پژوهشکده تغییراقلیم و گر
علیرضا ولی زاده
دانشگاه تحصیلات تکمیلی در علوم پایه زنجان، دانشکده فیزیک
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :