The use of artificial neural networks in the problem of dangerous convective phenomena forecasting

Abstract

В работе исследуется возможность прогнозирования таких опасных атмосферных явлений, как гроза, путем применения различных типов нейронных сетей к выходным данным полуторамерной численной модели конвективного облака. Рассматриваются четыре типа нейронных сетей: многослойный персептрон, персептронный комплекс, сеть радиально-базисных функций и вероятностная нейронная сеть. Наилучших результатов удалось достичь с использованием сети радиально-базисных функций. Точность прогнозирования в этом случае составила 91,6%, а среднеквадратическая ошибка – 0,069.

The present work investigates the possibility of forecasting such dangerous atmospheric phenomena as a thunderstorm by applying various types of neural networks to the output of one-and-a-half-dimensional numerical model of a convective cloud. Four types of neural networks are considered: a multilayer perceptron, a perceptron complex, a radial basis network, and a probabilistic neural network. The best results were achieved by using a radial basis network. The forecasting accuracy in this case was 91.6%, and the mean squared error was 0.069.