Tải file PDF Tác giả
Đơn vị công tác
1Trường Đại học Khoa học Tự nhiên, ĐHQGHN
Tóm tắt
Bài báo trình bày việc sử dụng mạng nơron đa lớp truyền thẳng và mạng truy hồi để dự báo tổng lượng bức xạ ngày cho 4 trạm đặc trưng cho khu vực đồng bằng phía bắc Việt Nam, đó là: Láng (Hà Nội), Phủ Liễn (Hải Phòng), Yên Định (Thanh Hoá) và Vinh (Nghệ An), Bộ số liệu quan trắc của 4 trạm kể trên trong khoảng thời gian từ tháng 1 năm 1981 đến tháng 12 năm 1990 được chia làm 3 phần dùng để xây dựng, kiểm chứng chéo và đánh giá chất lượng của mạng.
Chất lượng của mạng nơron được so sánh với bộ số liệu tái phân tích của NCEP đã được nội suy về trạm. Tất cả các mạng nơron đều cho chất lượng dự báo với độ chính xác tăng, Các sai số RMSE, MSE và ME được cải thiện ít nhất 25%, còn hệ số tương quan r tăng tới 45% so với số liệu tái phân tích. Điều đó cho thấy mạng nơron đã nắm bắt được khá tốt các đặc trưng của bộ số liệu. Mạng nơron sẽ là một công cụ hữu hiệu dùng cho các bài toán thống kê đầu ra mô hình.
Từ khóa
Trích dẫn bài báo
Hoàng Phúc Lâm, Nguyễn Hưởng Điền, Công Thanh, Hoàng Thanh Vân (2007), Sử dụng mạng nơron đa lớp truyền thẳng và mạng truy hồi dự báo tổng lượng bức xạ ngày cho một số trạm ở đồng bằng phía bắc Việt Nam. Tạp chí Khí tượng Thủy văn, 562, 36-42.
Tài liệu tham khảo
1. Nguyễn Hướng Điền, Hoàng Phúc Lâm. Dự báo tổng lượng bức xạ ngày cho khu vực đồng bằng phía bắc Việt Nam bằng phương pháp sử dụng mạng thần kinh nhân tạo, Tạp chí khoa học - Đại học Quốc gia Hà Nội, tập 22, tr1-10, tr 9-19, 2006.
2. Hồ Thị Minh Hà, Nguyễn Hướng Điền. Thử nghiệm dự báo lượng mưa ngày bằng quy tắc dùng mạng thần kỉnh nhân tạo hiệu chỉnh sản phẩm mô hình số, Tạp chi khoa học - Đại học Quốc gia Hà Nội, tập 22, số 1, tr1-10.2006.
3. Nguyễn Đình Thúc, Hoàng Đức Hải. Mạng nơron: Quy tắc và ứng đụng. NXB GD, Hà Nội 2000.
4. Bin Li (2002), spatial interpolation of weather variables using artificial neural network, Master of Science, University of Georgia, Greece.
5. David Silverman, John A. Dracup. Artificial neural networks and long-range precipitation prediction In California, Journal of applied meteorology, vol 39 (Jan 2000), pp57-66.
6. Gianluigi Rech, Forecasting with artificial neural network models, SSE/EFl working paper series in economics and finance, No491, Jan 2002.
7. Marcelo C.Medelros, Timo Terasvirta, Gianluigi Rech, Building neural network models for time series: A statistical approach, SSE/EFl working paper series In economics and finance, No508, Sep 2002.
8. Patrick van der Smagt, Ben Krose, An Introduction To Neural Network, 1996, 8th Edition, University of Amsterdam
9. Ricardo A. Guamleri et al ’'Solar radiation forecast using Artificial Neural Networks in South Brazil”, Proceedings of81CSHMO, April 24 - 28, 2006, p.1777 - 1785.