Χωροχρονική προσομοίωση μετεωρολογικών παραμέτρων σε έντονο τοπογραφικό ανάγλυφο με χρήση τεχνητών νευρωνικών δικτύων

Περίληψη

Το αντικείμενο της διδακτορικής διατριβής είναι η χωρο-χρονική προσομοίωση μετεωρολογικών παραμέτρων με τη χρήση τεχνητών νευρωνικών δικτύων (ΤΝΔ) στην κοιλάδα των Χανίων στην Κρήτη, περιοχή που χαρακτηρίζεται από έντονο τοπογραφικό ανάγλυφο. Η διατριβή εστιάζει στην ανάπτυξη μοντέλων ΤΝΔ και στην επιλογή του κατάλληλου τύπου και αρχιτεκτονικής, αρχικά για τη συσχέτιση της συνοπτικής κλίμακας κυκλοφορίας με τις τοπικές μετεωρολογικές συνθήκες και στη συνέχεια για τη χωρική και χρονική πρόγνωση της έντασης του ανέμου και της επιφανειακής θερμοκρασίας. Παράλληλα πραγματοποιήθηκε έλεγχος της ικανότητας των μοντέλων ΤΝΔ ως προς το χωρο-χρονικό υποβιβασμό κλίμακας της επιφανειακής θερμοκρασίας. Η πρωτότυπη μεθοδολογία που αναπτύχθηκε για την ομαδοποίηση και την ταξινόμηση των ατμοσφαιρικών πεδίων βασίστηκε στην έννοια της ανταγωνιστικής μάθησης και στην προέκταση της χρήσης των Αυτο-Οργανούμενων Χαρτών (Self Organizing Maps - SOM). Η μεθοδολογία εφαρμόστηκε για την επιφανειακή πίεση (MSLP) ...
περισσότερα

Περίληψη σε άλλη γλώσσα

The scope of the present doctoral dissertation is the spatio-temporal modeling of meteorological parameters with the use of Artificial Neural Network (ANN) models at Chania plain in Crete, an area characterized by complex topography. The study is focused on the identification of the optimum type and architecture of the developed ANN models in order to initially examine the relationship of the synoptic scale circulation with local meteorological conditions and consequently the spatial estimation and prediction of wind speed and ambient temperature fields. Moreover, ANN models are developed for the spatio-temporal statistical downscaling of ambient temperature. The developed original atmospheric fields clustering and classification methodology is based on competitive learning and the use of Self-Organizing Maps (SOM). The methodology is applied to the fields of surface pressure (MSLP) and 500hPa geopotential height (GH500hPa) for a synoptic scale grid, as well as to the horizontal wind s ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/35568
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/35568
ND
35568
Εναλλακτικός τίτλος
Spatio-temporal modeling of meteorological parameters over complex terrain with the use of artificial neural networks
Συγγραφέας
Φιλιππόπουλος, Κωνσταντίνος του Νικόλαος
Ημερομηνία
2015
Ίδρυμα
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών (ΕΚΠΑ). Σχολή Θετικών Επιστημών. Τμήμα Φυσικής. Τομέας Φυσικής Περιβάλλοντος και Μετεωρολογίας
Εξεταστική επιτροπή
Δεληγιώργη Δέσποινα
Ασημακόπουλος Δημοσθένης
Χέλμης Κωνσταντίνος
Ιακωβίδης Κωνσταντίνος
Τόμπρου Μαρία
Φλόκα Έλενα
Κουρουπέτρογλου Γεώργιος
Επιστημονικό πεδίο
Φυσικές ΕπιστήμεςΓεωεπιστήμες και Επιστήμες Περιβάλλοντος
Λέξεις-κλειδιά
Τεχνητά νευρωνικά δίκτυα; Άνεμος; Θερμοκρασία; Ατμοσφαιρική κυκλοφορία; Έντονο τοπογραφικό ανάγλυφο
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
239 σ., πιν., χαρτ., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)