Δημιουργία ολοκληρωμένων αρχείων μετεωρολογικών δεδομένων από μετρήσεις Συνοπτικών Μετεωρολογικών Σταθμών στον ελληνικό χώρο με τη χρήση Τεχνητών Νευρωνικών Δικτύων
Πτυχιακή εργασία
Author
Κωνσταντόπουλος, Μιλτιάδης
Λίγκος, Θεοφάνης
Date
2012Advisor
Μουστρής, ΚωνσταντίνοςSubject
TPSH::Επιστήμη Υπολογιστών::Νευρωνικά Δίκτυα (Επιστήμη των Υπολογιστών) ; TPSH::Φυσικές Επιστήμες::ΜετεωρολογίαKeywords
Τεχνητά νευρωνικά δίκτυα ; Multi-Layer Perceptron ; MLP ; Γραφικές παραστάσεις ; Παγκόσμιος Οργανισμός Μετεωρολογίας ; ΜετεωρολογίαAbstract
Οι συνοπτικές μετεωρολογικές παρατηρήσεις σε όλο τον κόσμου πραγματοποιούνται
συνήθως σε βάση τρίωρων διαστημάτων, όπως ορίζεται από τον Παγκόσμιο Οργανισμό
Μετεωρολογίας (Π.Ο.Μ). Ωστόσο, σε πολλές περιπτώσεις, π.χ. για τον λεπτομερή
υπολογισμό του ενεργειακού ισοζυγίου κτιρίων και την παραγωγή ενέργειας των
ηλιακών συστημάτων παραγωγής ενέργειας, η γνωστική λειτουργία των ωριαίων
χρονοσειρών κάποιων μετεωρολογικών παραμέτρων όπως η θερμοκρασία του αέρα, η
σχετική υγρασία αέρα, η ατμοσφαιρική πίεση, κλπ είναι απαραίτητη. Για το σκοπό αυτό ,
στη συγκεκριμένη μελέτη , τα τεχνητά νευρωνικά δίκτυα που αναπτύσσονται,
εφαρμόζονται με σκοπό να μετατρέπουν 3-ωρα μετεωρολογικά αρχεία δεδομένων (8
τιμές) της θερμοκρασίας του αέρα, της σχετικής υγρασίας και της ατμοσφαιρικής πίεσης
διαφόρων περιοχών σε πλήρη 24-ωρα αρχεία δεδομένων (24 τιμές). Οι ωριαίες τιμές που
προβλέπονται από τα ανεπτυγμένα τεχνητά νευρωνικά δίκτυα είναι σε πολύ καλή
συμφωνία σε σχέση με τις πραγματικές ωριαίες τιμές των παραμέτρων που εξετάστηκαν
σε ένα στατιστικό επίπεδο σημαντικότητας p <0,01.
Abstract
Synoptic ιηeteorological observations all over the world are usιιally carried οιιt οη the
basis of 3-hour intervals, as specifιed by the World Meteorology Organization. 1-lowever,
ίη many cases, e.g. for the detailed ca\culation of bιιildings' energy balance and the
energy prodιιction of solar power systems, cognition of the hourly time series of sοιηe
meteorological parameters such as air temperature, air ι·elative humidity, atmos pheι·ic
pressιιre, etc. is necessary. For this purpose, ίη the specific study, artiticial neural
networks are developed and applied ίη order to transform 3-11our meteorological data fιles
(8 values) of' air temperature, relative humidity and atmospheric pressure of different
regions to full 24-hour data fιles (24 values). The hourly values predicted by the
developed artificial neural networks are accordingly compared with the actual houι·Ιy
values ot' parameters examined with the results obtained showing a very satisfying
agreement at a statistical significance level of p<0.01
Number of pages
48 σελ.Faculty
Σχολή Τεχνολογικών ΕφαρμογώνAcademic Department
Τμήμα ΜηχανολογίαςLanguage
GreekCollections
The following license files are associated with this item: