| Περίληψη |
Η ακριβής πρόγνωση του καιρού αποτελεί ένα αναπόσπαστο κομμάτι της
καθημερινότητας και αφορά τόσο την ατομική ζωή όσο και την βιομηχανική ανάπτυξη
των κοινωνιών. Η χρήση υπολογιστικών μοντέλων όπως τα Τεχνητά Νευρωνικά Δίκτυα
(ΤΝΔ), που μειώνουν τα σφάλματα και καθιστούν τις προβλέψεις έγκυρες, αποτελούν
εργαλεία μιας επιτυχούς πρόγνωσης. Η παρούσα διπλωματική εργασία, έχει σαν στόχο
την εκπαίδευση ενός ΤΝΔ για την πρόβλεψη ταχυτήτων ανέμου από πραγματικά και
αριθμητικά δεδομένα, για την πόλη του Ηρακλείου Κρήτης κατά τη διάρκεια έντονων
καιρικών φαινομένων. Ως πρώτη προτεραιότητα ορίστηκε η σύγκριση διαφορετικών
τύπων αλγορίθμων εκπαίδευσης ενός ΤΝΔ Εμπρόσθιας Τροφοδότησης, όπως ο
αλγόριθμος Οπίσθιας Διάδοσης, ο αλγόριθμος Τυχαίας Βελτιστοποίησης καθώς και ενός
υβριδικού μοντέλου που αποτελείται από το συνδυασμό των δύο προηγούμενων
αλγορίθμων. Ταυτόχρονα, πραγματοποιήθηκε η εξέταση της αποτελεσματικότητας των
δομικών στοιχείων που αποτελούν το ΤΝΔ. Η ανάλυση πραγματοποιήθηκε με την
επεξεργασία δεδομένων μέσων ημερήσιων θερμοκρασιών. Στη συνέχεια, με χρήση του
ΤΝΔ αποτελεσματικότερης διαμόρφωσης, γίνεται προσπάθεια άμεσης πρόβλεψης της
τιμής της ταχύτητας του ανέμου στο Ηράκλειο, σε περιόδους όπου σημειώθηκαν έντονα
καιρικά φαινόμενα. Τα αριθμητικά δεδομένα, προήλθαν από το αριθμητικό μοντέλο
WRF, ενώ τα πραγματικά δεδομένα προήλθαν από ένα επίγειο μετεωρολογικό σταθμό
που βρίσκεται στο κτήριο του Τμήματος Φυσικής του Πανεπιστημίου Κρήτης.
Επιπρόσθετα, με τη βοήθεια στατιστικής ανάλυσης, γίνεται προσπάθεια πρόβλεψης ενός
βελτιωτικού συντελεστή στην ταχύτητα του ανέμου, ο οποίος με την εφαρμογή του στις
προβλεπόμενες τιμές θα βελτιώνει την πρόγνωση. Για το σκοπό αυτό, δημιουργήθηκε
ένας αλγόριθμος με στόχο τη βελτίωση της χρονικής υστέρησης που παρατηρείται
μεταξύ αριθμητικών και πραγματικών αποτελεσμάτων και παρατήρησης. Τέλος,
παρουσιάζεται αξιολόγηση των αποτελεσμάτων και εξαγωγή συμπερασμάτων για την
ικανότητα του ΤΝΔ να προβλέψει με ακρίβεια την ταχύτητα του ανέμου. Επίσης,
δίνονται προτάσεις και κατεθύνσεις για περαιτέρω έρευνα, με σκοπό τη βελτιστοποίηση
της απόδοσης του ΤΝΔ.
|
Χρήση τεχνητών νευρωνικών δικτύων και στατιστικών τεχνικών για τη βελτίωση της πρόγνωσης μετεωρολογικών παραμέτρων
