НАУЧНО-ОБРАЗОВАТЕЛЬНЫЙ СЕМИНАР
Математическое моделирование геофизических процессов: прямые и обратные задачи
powered by AGORA
Организаторы
Архив
Контакты
Подписка
Официальный сайт Московского Государственного Университета
Лаборатория методов дистанционного обучения НИВЦ МГУ
Официальный сайт НИВЦ МГУ
Кафедра метеорологии и климатологии МГУ
Следующее заседание семинара состоится
9 апреля (четверг) 2020 г., 17:15
Глубокоуважаемые участники семинара! По причине действия режима самоизоляции, заседание семинара пройдет в форме вебинара на платформе Zoom. Для участия в вебинаре просим Вас занести свои данные в Google-таблицу: https://docs.google.com/spreadsheets/d/1eZ7LxBFByafu0agVF552xsUVkoVaVT0aFVhdcwLOIxA/edit?usp=sharing
Инструкции по установке и использованию платформы Zoom доступны, например, здесь: https://support.zoom.us/hc/ru/articles/201362033-Начало-работы-на-ПК-и-Mac. Для связи по всем вопросам, касающимся работы семинара, обращайтесь к ученому секретарю Андрею Владимировичу Дебольскому по адресу and.debol@srcc.msu.ru

Дмитриев Егор Владимирович(1)
(1) Институт Вычислительной Математики им. Г.И. Марчука РАН

РАСПОЗНАВАНИЕ ЛОКАЛЬНЫХ МЕТЕОРОЛОГИЧЕСКИХ ЯВЛЕНИЙ ДЛЯ УРБАНИЗИРОВАННОЙ ПРИБРЕЖНОЙ ТЕРРИТОРИИ С ИСПОЛЬЗОВАНИЕМ НАЗЕМНЫХ ИНСТРУМЕНТАЛЬНЫХ ИЗМЕРЕНИЙ.


В докладе рассматривается задача автоматизации экспертной классификации локальных атмосферных метеорологических явлений, таких как морской бриз, туман и сильный ветер для индустриальных прибрежных территорий. В период 2013-2014 годов в прибрежной зоне пролива Ла-Манш (Дюнкерк, Франция) проводились регулярные инструментальные метеорологические измерения ветровых компонент, температуры, влажности, давления, параметров турбулентности и др., которые в дальнейшем были использованы для получения экспертных классификаций соответствующих атмосферных явлений. Полученные результаты позволили провести обучение и сравнение эффективности ряда алгоритмов автоматизированной классификации, таких как метод k-ближайших соседей, метод опорных векторов, квадратичный дискриминантный анализ и метод Парзеновского окна. Анализ показал, что методы k-ближайших соседей и квадратичный дискриминантный анализ имеют наилучшую точность классификации (до 80% метеоявлений классифицируются верно). При этом последний упомянутый классификатор имеет лучшую вычислительную эффективность, слабо чувствителен к дисбалансу обучающих данных и менее подвержен проблеме "проклятия размерности". Для каждого алгоритма были выделены атмосферные параметры наиболее информативные для распознавания рассматриваемых метеоявлений. Полученные результаты показали, что обучаемые алгоритмы классификации способствуют автоматизации обработки и анализа локальных метеорологических данных.

CLASSIFICATION OF LOCAL METEOROLOGICAL EVENTS IN THE URBANIZED COASTAL AREA FROM GROUND-BASED INSTRUMENTAL MEASUREMENTS.

The problem is considered of atmospheric meteorological events’ classification such as sea breezes, fogs and high winds, in coastal areas. In-situ wind, temperature, humidity, pressure, turbulence etc. meteorological measurements are used as predictors. Local atmospheric events of 2013–2014 were analyzed and classified manually using data of the measurement campaign in the coastal area of the English Channel in Dunkirk (France). The results of that categorization allowed the training of a few supervised classification algorithms using the data of an ultrasonic anemometer as predictors. The comparison was carried out of the k-nearest neighbors classifier, support vector machine, and two Bayesian classifiers – quadratic discriminant analysis and Parzen-Rozenblatt window. The analysis showed that k-nearest neighbors and quadratic discriminant analysis classifiers reveal the best classification accuracy (up to 80% correctly classified meteorological events). At that, the latter classifier has higher calculation speed and is less sensitive to unbalanced data and the overtraining problem. The most informative atmospheric parameters for events recognition were revealed for each algorithm. The results obtained showed that supervised classification algorithms contribute to automation of processing and analyzing of local meteorological measurements.

О семинаре

Семинар посвящен рассмотрению различных аспектов математического моделирования физических процессов в атмосфере, гидросфере и деятельном слое суши, связанных с решением задач, возникающих при исследовании проблем изменений климата и природной среды.

Семинар проводится каждый 1-й и 3-й четверг месяца в 17 ч. 15 мин. в конференц-зале НИВЦ МГУ (3-й этаж).

Приглашаются научные сотрудники, преподаватели, аспиранты и студенты старших курсов.

Презентации докладов, представленных на семинаре, размещаются здесь

Видео докладов размещаются на нашем канале в YouTube

Семинар проводится при поддержке Московского центра фундаментальной и прикладной математики.

По всем вопросам, связанным с работой семинара, обращайтесь к
секретарю Андрею Дебольскому, E-mail: and.debol@srcc.msu.com

ПОСЛЕДНЕЕ ОБНОВЛЕНИЕ:   06.04.20 СЧЕТЧИК ПОСЕТИТЕЛЕЙ:   69205