National and Kapodistrian University of Athens
Statistical Downscaling of local air temperature using techniques of machine learning
Abstract
dc:descriptionΟ σημαντικός αντίκτυπος της αστικοποίησης στο τοπικό και περιφερειακό κλίμα, καθιστά απαραίτητη τη χρήση τεχνικών στατιστικού υποβιβασμού κλίμακας για την απόκτηση ακριβών πληροφοριών για τον καιρό σε καλύτερη κλίμακα. Η παρούσα διπλωματική εργασία στοχεύει να δημιουργήσει μια πρόβλεψη θερμοκρασίας υψηλής ανάλυσης (στα 400m χωρική ανάλυση) με στατιστικό υποβιβασμό κλίμακας των δεδομένων από το μοντέλο πρόγνωσης καιρού (διαθέσιμο σε χωρική ανάλυση 6km) χρησιμοποιώντας τεχνικές μηχανικής μάθησης για την περιοχή της Αττικής. Για να το πετύχουμε αυτό, συνδυάσαμε ατμοσφαιρικές μεταβλητές όπως υγρασία, ταχύτητα ανέμου, κατεύθυνση ανέμου και θερμοκρασία με τα αστικά χαρακτηριστικά της περιοχής της Αττικής. Χρησιμοποιήσαμε χωρική παρεμβολή προκειμένου να αλλάξουμε τη χωρική ανάλυση των μεταβλητών μας. Επιπλέον, χρησιμοποιήσαμε μοντέλα ANN και SVR για να υπολογίσουμε τις χωρικά επιλυμένες θερμοκρασίες του αέρα σε καλύτερη ανάλυση μέσω βαθμονόμησης με δεδομένα πρόγνωσης καιρού. Προς αυτήν την κατεύθυνση, επιλέχθηκε μια φάση εκπαίδευσης κατά την οποία χρησιμοποιούνται τα αποτελέσματα ενός αριθμητικού μοντέλου πρόγνωσης καιρού σε ωριαίο χρονικό βήμα, σε συνδυασμό με επιτόπιες παρατηρήσεις εδάφους από μετεωρολογικούς σταθμούς για την περίοδο ενός έτους (12ο/21-11ο/22). Σύμφωνα με τα αποτελέσματα, τα δύο μοντέλα ML δύνανται να προσφέρουν καλύτερα αποτελέσματα σε σύγκριση με το υποκλιμακωμένο μετεωρολογικό μοντέλο Bolam. Ακολουθήσαμε επίσης μια χρονική και χωρική ανάλυση των αποτελεσμάτων του μοντέλου ANN και SVR που θα συζητηθεί σε βάθος παρακάτω μαζί με τις μεθόδους που χρησιμοποιήσαμε για την επίτευξη των αποτελεσμάτων.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Χριστοφίδης Ιωάννης
- Christofidis Ioannis
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:3388470