Авторы: Серга Э.Н.
Год: 2017
Выпуск: 21
Страницы: 39-48
Аннотация
Предлагается усовершенствованная многофакторная нелинейная регрессионная модель с обратными связями с переопределёнными выражениями для коэффициентов системы уравнений. Данная модель апробирована как имитационная с целью установления связи между зонами интенсивных взаимодействий атмосферы и океана в акватории Северной Атлантики и однородными регионами на территории Восточной Европы. Главные компоненты энергетических взаимодействий составили исходные выборки влияющих факторов и откликов для модели. Значимые коэффициенты множественной корреляции, характеризующие степень адекватности модели, подтверждают возможность её практического применения для решения задач подобного характера.
Теги: аппроксимирующие полиномы; влияющие факторы; коэффициенты уравнений; многофакторная регрессионная модель; обратные связи
Список литературы
- Randall D. A., Wood R. A., Bony S., Colman R., Fichefet T., Fyfe J., Kattsov V., Pitman A., Shukla J., Srinivasan J., Stouffer R.J., Sumi A., Taylor K. Climate models and their evaluation. In: Climate Change 2007: The physical science basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 2007. (Eds: Solomon S., Qin D., Manning M. et al.)
- Дымников В. П., Лыкосов В. Н., Володин Е. М. Моделирование климата и его изменений: Современные проблемы // Вестн. РАН. 2012. Т. 82. С. 227–236.
- Жуликов С. Е. Математическое моделирование краткосрочного прогноза погоды // Вестн. ТГУ. 2009. Т. 14, вып. 5. С. 1021–1026.
- Зарипов Р. Б. Обзор современных методов повышения детализации метеорологических полей // Динамика окруж. Среды и глобал. Изменения климата. 2010. №1. С. 1–11.
- Катцов В. М., Мелешко В. П. Современные приоритеты фундаментальных исследований климата // Тр. ГГО им. А. И. Воейкова. 2008. Вып. 557. С. 3–19.
- Айвазян С. А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983. 471 с.
- Мелешко В. П., Гаврилина В. М., Мирвис В. М., Матюгин В. А., Пичугин Ю. А., Вавулин С. В. Гидродинамико-статистический долгосрочный прогноз метеорологических полей по модели ГГО. 2. Результаты оперативных испытаний и перспективы улучшения прогностической схемы // Метеорология и гидрология. 2002. № 10. C. 5–17.
- Maqsood I., Khan M. R., Abraham A. An ensemble of neural networks for weather forecasting . Neural Computing & Applications, 2004, vol.13, no 2, pp. 112–122.
- Taylor, J. W., Buizza R. Neural Network Load Forecasting with Weather Ensemble Predictions. IEEE Trans. on Power Systems, 2002, vol. 17 (3). pp. 626-632.
- Школьный Е. П. Многофакторная регрессионная модель физико-статистического метода прогноза погоды // Труды УкрHИГМИ. 1976. Вып. 134. С. 3–24.
- Майборода Л. А., Школьный Е. П. Атмосфера и управление движением летательных аппаратов. СПб: ВИТИ, 2010. 572 с.
- Пономарев В. М., Майборода Л. А. Об одной задаче многомерной регрессии // Изв. АН СССР, Техн. Кибернетика. 1971. № 3. C. 9–18.
- Домрачёв А. Е. Метеорологические условия формирования микроструктуры тёплых туманов Одессы:
Дис…канд. географ. наук: 11.00.09. Одесса, 1989. 177 с. - Служба данных ЕСMWF ERA-40. http://www.ecmwf.int/products/data.
- Серга Э. Н. Универсальный итерационный метод кластеризации данных // Укр. гідрометеорол. ж. 2013. №12. http://uhmj.odeku.edu.ua/uk/category/2013-uk/12-uk/
- Shkol’nyi E. P., Serga E. N. Influence of processes in the ocean-atmosphere system in North Atlantic on the intraannual variation on climatic characteristics on the territory of Ukraine . Physical Oceanography, 2009, vol. 19, no. 4, pp.240–253.
- Серга Е. М. Результати чисельних експериментів по статистичної моделі динаміки клімату України // Міжвідомчий науковий зб. України: Метеорологія, кліматологія та гідрологія. 2004. Вип. 48. С. 23–32.