УДК 004.942 ПРОГНОЗИРОВАНИЕ ДИНАМИКИ ВРЕМЕННОГО РЯДА АТМОСФЕРНЫХ ТЕМПЕРАТУР НА ОСНОВЕ ИЕРАРХИЧЕСКИХ МНОГОСЛОЙНЫХ НЕЙРОННЫХ СЕТЕЙ Е. А. <...> В настоящей работе проведен анализ возможности применения методики построения иерархической нейронной сети для прогнозирования динамики процессов изменения атмосферной температуры, а также сравнение полученных результатов с ранее полученными прогностическими моделями. <...> Ключевые слова: иерархическая нейронная сеть, нестационарная временная последовательность, прогнозирование, точность прогноза, векторная авторегрессия, нестационарный метеорологический процесс. <...> ВВЕДЕНИЕ Одной из основных задач метеорологии является анализ и прогнозирование динамики процессов изменения атмосферной температуры. <...> При этом рассматриваются скалярные поля атмосферной температуры, представленные на заданных уровнях геопотенциала двухмерной сеткой с постоянными шагами по меридианам и параллелям. <...> Рассматриваются ежедневные значения среднесуточной температуры в узлах сетки. <...> В работах [1, 2] представлены результаты сравнения различных прогностических моделей описания динамики процессов изменения атмосферной температуры, среди них модель в виде многослойного персептрона, модель Сугено с векторной авторегрессией, а также модель Сугено с многослойным персептроном [2]. <...> В ходе выполненных исследований было выявлено, что одним из факторов, ограничи© Сирота Е. А., Матвеев М. Г., 2015 вающих точность прогноза, является сезонный, т. е. существенно нестационарный, характер динамики анализируемых процессов. <...> Для большинства реальных процессов, описываемых как нестационарные случайные последовательности, характерно изменение основных статистических параметров таких как, например, математическое ожидание или дисперсия, с течением времени. <...> В этом случае одним из возможных подходов к задаче прогнозирования является использование иерархических нейросетевых архитектур, что позволяет <...>