Обратный звонок
Вам перезвонят
Ваше имя
Телефон для обратной связи
E-mail
Краткое описание Вашего вопроса

Разработка ИС для краткосрочного прогнозирования погоды с использованием нейросетевых алгоритмов

Артикул: 92215

Не подходит работа?Оцените стоимость написания нужной!

Разработка ИС для краткосрочного прогнозирования погоды с использованием нейросетевых алгоритмов

Получите бесплатно демо-версию
Демо-версия - дипломная работа, в котрой удалена часть текста, рисунков, таблиц.Посмотреть все услуги
дипломной работы на электронную почту.
Введите адрес электронной почты и нажмите "Отправить":

Заказать демо-версию:
Отправляя эту форму, я принимаю условия конфиденциальности.
Скачать план работы в формате PDF
Краткое FAQ:
1. Как быстро мне вышлют работу? - В течение 5 минут после оплаты;
2. Можно ли заказать услуги (презентацию, доклад, повышение оригинальности) отдельно? - да, можно.
3. Будет ли инструкция по установке программы? - Да, обязательно будет.
4. Как повышается оригинальность? -Ручной перепиской текста с неоригинальными фрагментами.
5. Как быстро повышают оригинальность? - В течение суток после заказа услуги.
6. Сколько страниц в работе? - Количество страниц работы указано в ее плане.
7. Можно проверить оригинальность работы перед покупкой? - Да, конечно, напишите нам на admin@diplom-it.ru или в любой мессенджер +7-987-915-99-32 с указанием нужной работы.
Теги: php MySQl 2018

Работа выполнена и представлена в 2018 году.

Успехи в расчете погоды и климата сопряжены с достижениями в области создания систем наблюдения, моделей прохождения атмосферы и океана, а также ИТ обработки огромных потоков данных.

В задачах прогнозирования (от часов до недели) основную роль играют начальные данные, пространственное нахождение модели и корректный параметрический учёт подсеточных неадиабатических процессов. Корректность прогнозов на большие сроки зависит от возможности сопряжённых моделей океана и атмосферы описать изменения температуры океана, влажности почвы и снежного покрова. Все модели современного климата направлены на изучение реакции систем климата на воздействия природного и неприродного происхождения.

Имеющиеся системы прогноза развиваются посредством технологий прогноза погоды, включая ансамблевый прогноз, к полноценной закрытым системам прогнозирования поведения среды, заключая в себе атмосферу, сушу, океан, эко сферу и другие характеристики, такие как концентрации газов, аэрозолей и примесей. Подобные внедренные прогностические системы не имеют ограничений между временными масштабами, дисциплинами средами. Они могут на совокупной технологической основе обрабатывать данные, проводить прогнозы на временных масштабах от десятков минут до десятков лет, оценить риски разных опасных природных явлений: наводнений, штормов, оползней и т.д.

В настоящее время повышение эффективности прогнозирования метеорологических условий остаётся актуальной задачей для науки. Данные о погоде и прогнозирование имеют существенное значение в ряде отраслей: экономика, авиация, строительство, сельское хозяйство и др., так как планирование и проведение различных видов мероприятий и работ во многом зависит от погодных условий.

Для создания нейронной сети необходимо собрать данные для обучающей выборки. В качестве входных значений будут выступать ряд показателей, которые влияют на погоду: температура воздуха, влажность, атмосферное давление и ветер. Выходным параметром будет прогноз погоды.

В качестве алгоритма для обучения нейронной сети был выбран метод обратного распространения ошибки. Суть данного метода заключается в распространении сигналов ошибки от выходов сети к её входам в направлении, обратном прямому распространению сигналов в обычном режиме работы [2].

Для возможности прогнозирования погоды в среде Matlab была написана программная реализация многослойной нейронной сети методом обратного распространения ошибки, со следующими параметрами обучения: шаг обучения а=0.042; среднеквадратичная ошибка Em = 0,53; весовые коэффициенты и пороговые значения инициализируются случайным образом; количество входных нейронов равно 5; количество скрытых нейронов равно 50. Данные параметры обучения показали наилучший результат при обучении многослойной нейронной сети.

Проект включает в себя готовое программное обеспечение на PHP и СУБД MySQL.

Не подходит работа? Оцените стоимость написания нужной!

ВНИМАНИЕ!!! Мы не занимаемся незаконными видами деятельности и НЕ предоставляем своим клиентам аттестаты, дипломы и прочие документы об образовании.Мы действуем в рамках российского законодательства, оказывая методическую помощь в написании учебных работ согласно Ваших требований и в соответствии с нашими условиями сотрудничества.