مدلسازي مقياس پذير و مبتني بر داده وضع هوا براي پيش بيني كوتاه مدت

دكتري

چكيده در اين پايان‌نامه، يك چارچوب جديد برپايه¬ي داده و مقياس‌پذير براي پيش‌بيني كوتاه مدت وضع هوا پيشنهاد مي‌شود. اين مدل، مانند مدل‌هاي پيش‌بيني عددي نيازي به دانش تحليلي در مورد جو ندارد و بر پايه‌ي تاريخچه‌اي از داده‌ها كه وضع هوا را در گذشته توصيف مي‌كنند، ساخته مي‌شود. مقياس‌پذيري چارچوب پيشنهادي سبب مي‌شود تا بتواند بده بستان بين دقت و سرعت اجراي مدل را كنترل كند. به زبان ديگر، مدل مي‌توان كُند و دقيق‌تر پيش‌بيني كند و يا سريع و كم دقت اجرا شود. چارچوب پيشنهادي، يك مدل سراسري را پيشنهاد مي‌كند كه مجموعه‌اي از مدل‌هاي كوچك و محلي آن را مي‌سازند. اين مدل‌هاي محلي، هر كدام براي پيش‌بيني يك پارامتر در يك نقطه‌ي داده‌اي بكار مي‌رود. هر مدل محلي، بايد همه پارامترهاي تاثيرگذاري كه در همسايگي نقطه مورد نظر وجود دارد را به پارامتر مورد نظر در آن نقطه نگاشت كند. از آنجا كه پارامترهاي تاثيرگذار در همسايگي نقطه مي‌توانند بسيار زياد باشند، هر مدل محلي داراي يك پيمانه انتخاب ويژگي است كه پارامترها را پالايش كرده و به گونه¬اي چشمگيري تعداد آنها را كاهش مي‌دهد. هر مدل محلي، علاوه بر پيمانه انتخاب ويژگي يك پيمانه رگرسيون تركيبي دارد كه پارامترهاي كاهش يافته را به پارامتر هدف نگاشت مي‌كند. خروجي هر مدل محلي بخشي از وضعيت سراسري سامانه است. در اين پايان‌نامه، علاوه بر پيشنهاد چارچوبي براي مدلسازي جو، روش‌هاي بهبود يافته‌اي براي انتخاب ويژگي و رگرسيون تركيبي پيشنهاد شده است كه نتايج تجربي نشان مي‌دهد نسبت به روش‌هاي مشابه از كيفيت بالاتري برخوردارند. نكته مهم‌تر اينكه، هر دو پيمانه‌ي انتخاب ويژگي و رگرسيون تركيبي داراي پارامترهايي هستند كه مي‌توان به كمك آنها مقياس‌پذيري پردازشي را در پيمانه‌ها و به دنبال آن در كل چهارچوب پيشنهادي كنترل كرد. چارچوب پيشنهادي روي داده‌هاي استاندارد NCEP اعمال شد. نتايج پياده‌سازي نشان مي‌دهد كه چارچوب پيشنهادي علاوه بر برخورداري از ويژگي مقياس‌پذيري، در برخي نقاط داراي دقت پيش‌بيني قابل مقايسه با سامانه‌ي پيش‌بيني عددي وضع هواي GFS است. واژههاي كليدي: پيشبيني عددي، گوارد دادهها، رگرسيون تركيبي، انتخاب ويژگي.

188884

دانشگاه علم و صنعت ايران

هوش مصنوعي

دكتر پيمان كبيري