Исследование возможности идентификации метеостанции по метеорологическим данным на основе нейросети

ВВЕДЕНИЕ 3
1 АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ 6
1.1 Метеорологические ряды - скорости и направления ветра 6
1.2 Основы построения и принцип работы нейронных сетей 10
1.3 Постановка задачи классификации в нейронной сети 20
2 ВЫБОР ИНСТРУМЕНТОВ И ОБРАБОТКА ДАННЫХ 24
2.1 Язык программирования Python и облачный ресурс Google
Collaboratory 24
2.2 Функциональность библиотеки Keras для решения задачи 27
2.3 Парсинг исходных данных 36
2.4 Подготовка массивов для обучения, проверки и тестирования
модели 42
3 МОДЕЛИРОВАНИЕ И АНАЛИЗ НЕЙРОННОЙ СЕТИ 48
3.1 Разработка архитектуры нейронной сети 48
3.2 Оценка влияния глобальных параметров на результаты
обучения 52
3.3 Оценка влияния размеров исходных данных на результаты
обучения 56
3.4 Анализ результатов 62
ЗАКЛЮЧЕНИЕ 65
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 67

Весь текст будет доступен после покупки

Актуальность. В последнее время интерес к использованию искусственного интеллекта и машинного обучения для решения широко круга фундаментальных и прикладных задач приобретает массовый характер не только в научных или образовательных организациях, но и в коммерческих структурах. Нейронные сети постепенно проникают во все сферы человеческой деятельность и можно говорить о том, что мы живем в эпоху развития искусственного интеллекта и нейронных сетей.
Еще 10 лет назад для того, чтобы составить модель машинного обучения нужно обладать было компетенциями в области глубокого знания и понимания математического аппарата построения нейросети, кроме того требовалось затрачивать много времени на написание программного кода. Сегодня же ситуация изменилась и средства построения нейросетевых моделей стали максимально доступными как в средах математического моделирования таких как Mathcad и в языках программирования таких как python в виде готовых библиотек.
Одной из актуальных областей, в которых можно и нужно исследовать возможности применения искусственного интеллекта - является возобновляемая энергетика и ветроэнергетика в частности. Насколько нейронная сеть сможет «разглядеть» и «запомнить» закономерности в метеорологических рядах скоростей и направлений ветра, настолько она может давать точный прогноз относительно этих параметров.

Весь текст будет доступен после покупки

1 АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ
1.1 Метеорологические ряды - скорости и направления ветра
За продолжительное время на станциях накапливается материал метеорологических наблюдений, который служит основой для составления метеорологических рядов. Метеорологический ряд - статистическая совокупность числовых значений метеорологических величин или характеристик атмосферного явления [1]. Статистическая совокупность может быть представлена:
1. В виде простого статистического ряда (простая статистическая совокупность).
2. В виде статистического распределения (группированный ряд).
3. В виде ранжированного ряда.
В первом случае значения Xi величины х, наблюдавшиеся в момент времени tj, обычно располагаются в хронологической последовательности (хронологический ряд). Примером хронологического ряда служат различного рода таблицы последовательных записей результатов метеорологических наблюдений (например, таблицы месячной отчетности).
Ветер - поток воздуха, который движется около земной поверхности. На Земле ветер представляет собой движущийся преимущественно в горизонтальном направлении поток воздуха, на других планетах - поток свойственных им атмосферных газов [2]. Ветры, как правило,
классифицируют по масштабам, скорости, видам сил, которые их вызывают, местам распространения и воздействию на окружающую среду.
Скорость ветра является одной из основных характеристик ветроэнергетики. При принятии решения для строительства объектов ветроэнергетики обязательно изучают ветроэнергетические характеристики региона.
При решении задачи подсчета ресурсов ветровой энергии с целью
определения территорий наиболее перспективных для их промышленного использования, необходимо иметь исходные данные - временные ряды распределения скоростей и направлений ветра в различных географических точках (чем плотнее покрытие изучаемой территории, тем лучше).
В последнее время практически не встречаются научные работы, связанные с оценкой такого параметра, как направление ветра. Однако этот параметр также очень важен для ветроэнергетики, и он влияет на выбор типа ветрогенератора. Согласно [3] существует два основных типа ветрогенераторов: с вертикальной и горизонтальной осью вращения. У горизонтального ветрогенератора производительность в момент разворота связанного со сменой направления ветра затухает, поэтому в районах с постоянно меняющимся направлением ветра рекомендуется использовать вертикальные ветрогенераторы, для которых направление ветра не играет роли, но их коэффициент полезного действия ниже чем у горизонтальных. Таким образом, динамика изменения направления ветра влияет на выбор типа ветрогенерирующей установки.
Благодаря научному сотрудничеству научного руководителя с Дагестанским центром по гидрометеорологии и мониторингу окружающей среды получены достоверные данные мониторинга природных явлений в Дагестане за период с 2011 по 2018 годы со станций Ахты, Дербент, Махачкала и Кочубей.
Измерения на метеорологических станциях выполняются с частотой 8 раз в сутки для каждого измеряемого параметра. Все это заносится в типовую структуру данных файла текстового формата для каждого календарного месяца.

Весь текст будет доступен после покупки

1. Понятия о метеорологических рядах / [электронный ресурс] URL:
https://ggf.tsu.ru/content/facultv/structure/chair/meteorologv/publications/%D0% 9A%D0%BB%D0%B8%D0%BC%D0%B0%D1%82%D0%BE%D0%BB%D0 %BE%D0%B3%D0%B8%D 1 %8F/text/145.html (Дата обращения
30.04.2021г.)
2. Ветер (Википедия) / [электронный ресурс] URL:
https: //ru.wikipedia. org/wiki/%D0%92%D0%B5 %D 1 %82%D0%B5 %D 1%80 (Дата обращения 30.04.2021г.)
3. Белгородский институт альтернативной энергетики / энергия ветра URL: http ://altenergo-nii. ru/renewabl e/wind/ (Дата обращения 01.04.2021г.)
4. Кобзаренко Д.Н., Камилова А.М., Паштаев Б.Д. Исследование сезонных изменений частотных характеристик скорости и направления ветра в Приморском Дагестане // Юг России: экология, развитие. Т15. №4. 2020. С.152-160.
5. Ресурсы и эффективность использования возобновляемых источников энергии в России / Под ред. П.П. Безруких. - СПб.: Наука, 2002. - 314с.
6. Обучающая платформа NeiroHive - Как работает нейронная сеть
[электронный ресурс] URL: https://neurohive.io/ru/osnovv-data-science/osnovv- neironnvh-setei-algoritmv-obuchenie-funkcii-aktivacii-i-poteri/ (Дата
обращения 15.04.2021г.)

Весь текст будет доступен после покупки