Tải file PDF Tác giả
Đơn vị công tác
1Trung tâm Dự báo Khí tượng Thủy văn Trung ương,
2Trường Đại học Khoa học Tự nhiên, ĐHQGHN
Tóm tắt
Bài báo sử dụng mạng nhận thức đa lớp và truy hồi với lần lượt 1 và 2 lớp ần để dự báo nhiệt độ tối cao trong các tháng mùa hè cho 4 trạm tiêu biểu cho khu vực đồng bằng Bắc Bộ, gồm: Láng, Phủ Liễn, Yên Định và Vinh. Bộ số liệu trong vòng 10 năm, từ 1981 đến 1990 đã được dùng để luyện, kiểm chứng và đánh giá chất lượng mạng.
Chất lượng dự báo của các loại mạng khác nhau có sự chênh lệch nhất định nhưng không đáng kể. Điều này chứng tỏ cả hai mô hình mạng trong nghiên cứu đã đạt được trạng thái ổn định. Sai số quân phương luôn nhò hơn 1.8°C, và luôn có trên 50% số dự báo có sai số tuyệt đối nhỏ hơn 1°C. Tuy nhiên, các giá trị sai số cực trị vẫn còn lớn, ờ Láng, có những dự báo hụt tới 5.8°C (ngày 20/9/1990) và ờ hầu hết các trạm, với cà hai loại mạng, vẫn có những dự báo vượt trên 4°V, thậm chí ờ Vinh còn lên tới 6.41°C (ngày 04 và 17 tháng 5 năm 1990).
Từ khóa
Trích dẫn bài báo
Hoàng Phúc Lâm, Nguyễn Hướng Điền (2008), Dự báo nhiệt độ tối cao cho khu vực đồng bằng phía bắc Việt Nam bằng mạng thần kinh nhân tạo. Tạp chí Khí tượng Thủy văn, 571, 20-23.
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, số 2B PT, 2006, tr9-19.
2. Hồ Thị Minh Hà, Nguyễn Hướng Điền. Thừ nghiệm dự báo lượng mưa ngày bằng quy tắc dùng mạng thần kinh nhân tạo hiệu chỉnh sản phẩm mô hình số, Tạp chí khoa học - Đại học Quốc gia Hà nội, tập 22, số 1, 2006, tr1-10.
3. Bin Li (2002), Spatial interpolation of weather varìables using artificial neural network, Master of Science, University of Georgia, Greece.
4. Darnell R. Massie and Mark A. Rose “Predicting Daily Maximum Temperatures Using Linear Regression and Eta Geopotential Thickness Forecasts”, Weather and forecasting, Vol12, Dec.1997, p.799-807.
5. Gianluigi Rech, Forecasting with artificial neural network models, SSE/EFI working paper series in economics and finance, No491, Jan 2002.
6. Mark E. struthwolf, Forecasting maximum temperature through use of an adjusted 850- to 700mb thickness technique, Weather and Forecasting, Vol 10, Mar 1995, p.160-171