Метод анализа глубины верхнего перемешанного слоя RBF нервной сетью
Ча Хо Сен, Квак Ир Хан Метод анализа глубины верхнего перемешанного слоя RBF нервной сетью // Современные инновации №10(12) / VI Международная научно-практическая конференция «Современные инновации: теория и практика развития современного научного знания» - 17 октября 2016 {см. журнал}. Тип лицензии на данную статью – CC BY 3.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Ча Хо Сен / Cha Ho Song - кандидат географических наук, преподаватель;
Квак Ир Хан / Kwak Il Hwan - доктор географических наук, профессор, факультет наук окружающей Земли, Университет имени Ким Ир Сена, г. Пхеньян, Корейская Народно-Демократическая Республика
Аннотация: глубина верхнего перемешанного слоя имеет большое значение при анализе вертикальной структуры температуры морской воды и в ее моделировании.
В статье с помощью данных SST и ветров в акватории, проведенного по регулярной сетке станций, дан результат исследования глубины верхнего перемешанного слоя RBF нервной сетью.
Следовательно, можно использовать RBF нервную сеть в анализе глубины верхнего перемешанного слоя, которая является важным параметром в моделировании вертикальной структуры температуры морской воды.
Abstract: the depth of homogeneous layer is of an important signification in modeling and analyzing vertical structure of water temperature.
This paper deals with the result of studying to analyze the depth of homogeneous layer with RBF neural network by using the data of SST and wind in the zone of water where the regular section observed data of water temperature is not observed.
Thus, we can use the model of RBF neural network to analyze the depth of homogeneous layer-the important parameter for modeling vertical structure of water temperature.
Ключевые слова: глубина верхнего перемешанного слоя, вертикальная структура температуры морской воды, RBF нервная сеть.
Keywords: depth of homogeneous layer; vertical structure of water temperature; RBF neural network.
References
1. Kwak Il Hwan. Process of ocean information. Publishing house of KIM IL SUNG University. 146~153, Juche 97 (2008).
2. Makarov V. G., Zaytsev O. V., Budaeva V. D., F. Salinas–Gonzalez. A piecewise curve–fitting technique for vertical oceanographic profiles and its application to density distribution // J. Oceanogr, 2008. V. 64. № 5. Pр. 675–690.
Издательство «Проблемы науки»
Follow usСледуйте за нами в социальных сетях