- март 15, 2017
Pak K.S., Jong S.I.
Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Pak Ki Song – Candidate of geographic science, lecturer;
Jong Sang Il – doctor of geographic science, professor, chairman of department,
Department of meteorology, Faculty of the Earth and Environmental Science,
Kim Il Sung University, Pyongyang, Democratic People's Republic of Korea
Abstract: in our country during the main rainy seasons (mei – yu and summer) localized extremely heavy rainfall events over lots of regions can frequently result in flooding and landslides. The improvement of the prediction for heavy rainfall is very important to reduce its potential for damage.
Here, we apply to process heavy rainfall forecasting using an artificial neural network OCF(Objective Consensus Forecasting) strategy, and estimate prediction skill by multi – model in contradistinction to each of models.
Keywords: heavy rainfall, neural network, consensus forecast.
ПРОГНОЗИРОВАНИЕ СИЛЬНЫХ ДОЖДЕЙ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННОЙ СЕТИ И МЕТОДА КОНСЕНСУС–ПРОГНОЗА ПРИ ПРЕДОТВРАЩЕНИИ ОКРУЖАЮЩЕГО БЕДСТВИЯ
Пак. К.С., Чен С.И.
Пак Ки Сон – кандидат географических наук, преподаватель;
Чен Сан Ир – доктор географических наук, профессор, заведующий кафедрой,
кафедра метеорологии, факультет окружающей среды Земли,
Университета им. Ким Ир Сена, г. Пхеньян, Корейская Народно-Демократическая Республика
Аннотация: в нашей стране во время основного сезона дождей (мэй - ю и летние), локализованные чрезвычайно ливневые осадки над большим количеством областей часто приводят к наводнениям и оползням. Улучшение прогноза для сильных дождей очень важно, чтобы уменьшить их потенциальный ущерб.
Здесь мы применяем для обработки прогнозирования осадков нейронную сеть OCF (объективный консенсус прогнозирования), стратегии и оценку навыков прогнозирования с помощью мульти-модели в отличие от каждой из моделей.
Ключевые слова: сильные дожди, нейронная сеть, консенсус-прогноз.
References
- Applequist S. et al. Comparison of Methodologies for Probabilistic Quantitative Prediction Forecasting. Weather and Forecasting, 2002. № 17. Pp.783-
- Clemen R.T. Combining forecasts, a review and annotated bibliography. Int. J. Forecasting, 1989. 5, 559 – 583.
- Gupta S. and Wilton P.C. Combination of forecasts: An extension. Manage. Sci., 1987. 33, 356 – 372.
- Leyton S.M. and Fritsch J.M. Short-term probabilistic forecasts of ceiling and visibility utilizing high-density surface weather observations. Wea. Forecasting, 2003. 18, 891 -
- Marzban C.A Neural network for post-processing model output: ARPS. Mon. Wea. Rev., 2003. 131, 1103 – 1111.
- Pasini A., Pelino V. and Potesta S. A neural network for visibility nowcasting from surface observations: Results and sensitivity to physical input variables. Geophys. Res., 2001. 106, 14951 – 14959.
- Vislocky R.L. and Fritsch J.M. An automated, observations-based system for short-term prediction of ceiling and visibility. Wea. Forecasting, 1997. 12, 31 – 43.
Ссылка для цитирования данной статьи
| Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства. | ||
| Пак. К.С., Чен С.И. ПРОГНОЗИРОВАНИЕ СИЛЬНЫХ ДОЖДЕЙ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННОЙ СЕТИ И МЕТОДА КОНСЕНСУС–ПРОГНОЗА ПРИ ПРЕДОТВРАЩЕНИИ ОКРУЖАЮЩЕГО БЕДСТВИЯ // Наука, техника и образование № 3 (33), 2017. - С.{см. журнал}. | ||
