Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 634699)
Контекстум
.
Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии  / №2 2011

ИСПОЛЬЗОВАНИЕ МОДЕЛИ СУГЕНО ДЛЯ ПРОГНОЗИРОВАНИЯ МЕТЕОРОЛОГИЧЕСКИХ ПОКАЗАТЕЛЕЙ (90,00 руб.)

0   0
Первый авторМатвеев
АвторыМихайлов В.В., Семенов М.Е.
Страниц6
ID520013
АннотацияПредложен подход к построению статистических моделей прогнозирования с использованием модели нечеткой логики Сугено, апробированный на временных рядах метеорологических показателей
УДК510.63
Матвеев, М.Г. ИСПОЛЬЗОВАНИЕ МОДЕЛИ СУГЕНО ДЛЯ ПРОГНОЗИРОВАНИЯ МЕТЕОРОЛОГИЧЕСКИХ ПОКАЗАТЕЛЕЙ / М.Г. Матвеев, В.В. Михайлов, М.Е. Семенов // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии .— 2011 .— №2 .— С. 163-168 .— URL: https://rucont.ru/efd/520013 (дата обращения: 24.04.2024)

Предпросмотр (выдержки из произведения)

УДК 510.63 ИСПОЛЬЗОВАНИЕ МОДЕЛИ СУГЕНО ДЛЯ ПРОГНОЗИРОВАНИЯ МЕТЕОРОЛОГИЧЕСКИХ ПОКАЗАТЕЛЕЙ М. Г. Матвеев*, В. В. Михайлов**, М. Е. Семенов** * Воронежский государственный университет ** Воронежский военный авиационный инженерный университет Поступила в редакцию 12.03.2011 г. Аннотация. <...> Предложен подход к построению статистических моделей прогнозирования с использованием модели нечеткой логики Сугено, апробированный на временных рядах метеорологических показателей. <...> Ключевые слова: система нечетких продукционных правил Сугено, классы эквивалентности и толерантности, векторная авторегрессия. <...> The approach to construction of statistical models of forecasting with use of model of fuzzy logic Sugeno approved on time numbers of meteorological indicators is offered. <...> Key words: System in fuzzy logic rules of Sugeno, equivalence and tolerance classes, vector autoregress. <...> ВВЕДЕНИЕ Метеорологическое прогнозирование достигло определенных успехов прежде всего за счет численного моделирования, опирающегося на огромное количество статистической информации о значениях метеорологических параметров. <...> Для прогнозирования могут быть использованы модели в виде систем уравнений, отражающих фундаментальные законы сохранения и феноменологические зависимости потоков от сил их вызывающих, основанные на учете всех известных закономерностей процессов, протекающих в атмосфере [1]. <...> Как правило, параметры таких моделей идентифицируются на основе имеющихся ансамблей статистических данных. <...> Другой подход к моделированию атмосферных процессов основан на использовании принципа «черного ящика» и сводится к составлению систем регрессионных зависимостей заранее определенных типов, например, [2,3]. <...> В любом случае при моделировании возникает задача параметрической идентификации или обучения искусственной нейронной сети, исходной информацией для которой является статистический ансамбль данных, отвечающих © Матвеев М. Г., Михайлов В. В., Семенов М. Е., 2011 164 определенным требованиям. <...> К наиболее важным требованиям относятся достаточно большой объем <...>