Tanuló rendszer fejlesztése időjárás-előrejelzések automatikus utófeldolgozásához

OData támogatás
Konzulens:
Dr. Pataki Béla
Méréstechnika és Információs Rendszerek Tanszék

A napjainkban használt, korszerű időjárás-előrejelző modellek rendkívül számításigényesek és nagyszámú bemeneti paraméterrel dolgoznak, ennek ellenére nem teljesen alkalmasak az előrejelzés rácsfelbontásánál alacsonyabb szintű időjárási jelenségek szimulálására.

Dolgozatomban abból a hipotézisből indultam ki, hogy adott meteorológiai állomás környezetére vonatkozó időjárás-előrejelzést pontosítani lehet az AROME numerikus időjárás-előrejelző modell kimenetéhez képest, pusztán az adott ponton mért értékek és az annak környékére vonatkozó előrejelzés korábbi értékei alapján, mesterséges neurális hálózatot alkalmazva.

Célom egy olyan tanuló rendszer prototípusának kifejlesztése volt, amely a vizsgált paraméterek objektív változását mérhetővé tette a felvetett hipotézis vizsgálatához.

Dolgozatomban bemutattam a numerikus időjárás-előrejelzés folyamatát, a mesterséges neurális hálózatok felépítését és az ellenőrzött tanulás alapjait. Ezután bemutattam a tanuló rendszer prototípusának tervezési lépéseit a rendszer blokkvázlatával kezdve, az adatok előfeldolgozásán keresztül a validációs mérésekig.

Független adatokon tesztelve az elkészült prototípust, az eredmények kismértékű javulást mutattak az adott területre vonatkozó referencia időjárás-előrejelzéshez képest, ezzel a kezdeti hipotézist igazoltam a teszt adatsoron.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.