Аннотации:
Neural networks have emerged as a novel scheme for a data assimilation process. Neural network techniques are applied for data assimilation in the Lorenz chaotic system. A radial basisfunction and a multilayer perceptron neural networks are trained employing 1000, 2000, and 4000examples. Three different observation intervals are used: 0.01, 0.06 and 0.1 s. The performance ofthe data assimilation technique is investigated for different architectures of these neural networks. Методы нейронных сетей рассматриваются как альтернатива для существующих схем усвоения наблюдений в геофизические численные модели. Алгоритмы радиальных базисных
функций и многослойного перцептрона выбраны для экспериментов по ассимиляции данных в простейшую двумерную гидродинамическую модель, т.н. систему динамического хаоса Лоренца. Обучение обоих типов алгоритмов производилось на выборке из 1000, 2000 и 4000 наблюдений поведения параметров системы с интервалами в 0.01, 0.06 и 0.1 сек, и затем в
режиме распознавания произведена сравнительная оценка качества усвоения данных различными архитектурами нейронных сетей.
Описание:
Fabrício Pereira Harter, professor, Faculty of Meteorology, Pelotas Federal University
(Pelotas, RS, Brazil), fabricio.harter@ufpel.edu.br. Haroldo Fraga de Campos Velho, research, Computing and Applied Mathematics, National Institute For Space Research (São José dos Campos, SP, Brazil),haroldo@lac.inpe.br. Фабрисио Перейра Хартер, преподаватель метеорологического факультета, Федеральный университет г. Пелотас, Бразилия. Гарольдо Фрага де Кампос Вельо, исследователь вычислительной и прикладной математики, Национальный институт космических исследований, г. Сан-Жозе-дос-Кампос, Сан Пауло, Бразилия.