Médecine

Paramédical

Autres domaines


S'abonner

A neurocomputing approach to the forecasting of monthly maximum temperature over Kolkata, India using total ozone concentration as predictor - 30/10/11

Doi : 10.1016/j.crte.2011.08.002 
Syam Sundar De , Goutami Chattopadhyay, Bijoy Bandyopadhyay, Suman Paul
Centre of Advanced Study in Radio Physics and Electronics, University of Calcutta, 1, Girish Vidyaratna Lane, Kolkata 700 009, India 

Corresponding author.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement ou un achat à l’unité.

pages 13
Iconographies 10
Vidéos 0
Autres 0

Abstract

The association between the monthly total ozone concentration and monthly maximum temperature over Kolkata (22.56°N, 88.30° E), India, has been explored in this paper. For this, the predictability of monthly maximum temperature based on the total ozone as predictor is investigated using Artificial Neural Network. The presence of persistence and similar cyclic patterns are revealed through autocorrelation and cross-correlation coefficients. Common cycles of length 12 and 6 have been identified through periodogram. Hence, a predictive model has been generated by Artificial Neural Network in the form of Multi Layer Perceptron (MLP) using scaled conjugate gradient learning with sigmoid non-linearity. After training and testing the network, an MLP with total ozone of month n as predictor and maximum temperature of month (n+1) as the target output is found as the best model. Performance of the model has been judged statistically. Finally, the MLP model has been compared with linear and non-linear regressions and the efficiency of MLP has been established over the regression models.

Le texte complet de cet article est disponible en PDF.

Résumé

L’association entre la concentration mensuelle en ozone total et la température mensuelle maximum sur Kolkata (22,56°N ; 88,30°E), Inde, est explorée dans le travail ici présenté. Dans ce but, la prédictabilité de la température annuelle maximum basée sur l’ozone total comme prédicteur, a été examinée en utilisant le Réseau Neuronal Artificiel. La présence de persistance et de diagrammes cycliques similaires sont observés au moyen des coefficients d’autocorrélation et de corrélations croisées. Des cycles communs, de longueur comprise entre 6 et 12 ont été identifiés au moyen de périodogrammes. D’où un modèle prédictif généré par réseau neuronal artificiel sous la forme de perception multi-couche (MLP) utilisant un apprentissage de gradient conjugué à non-linéarité sigmoïde. Après avoir entraîné et testé le réseau, un modèle MLP avec l’ozone total d’un mois n en tant que prédicteur et la température maximum du mois (n+1) en tant que sortie de cible, a été estimé comme étant le meilleur modèle. La performance du modèle a été jugée statistiquement. Enfin, le modèle a été comparé avec les régressions linéaires et non-linéaires, et l’efficacité du MLP par rapport aux modèles de régression a été bien établie.

Le texte complet de cet article est disponible en PDF.

Keywords : Monthly total ozone concentration, Monthly maximum temperature, Artificial Neural Network, Multilayer perceptron

Mots clés : Concentration mensuelle d’ozone total, Température mensuelle maximum, Réseau neuronal artificiel, Perception multi-couche


Plan


© 2011  Publié par Elsevier Masson SAS de la part de Académie des sciences.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 343 - N° 10

P. 664-676 - octobre 2011 Retour au numéro
Article précédent Article précédent
  • Une nouvelle méthode de cartographie de la région d’Oran (Algérie) à l’aide de la télédétection multispectrale
  • Fatiha Laoufi, Ahmed-Hafid Belbachir, Noureddine Benabadji, Abdelouahab Zanoun
| Article suivant Article suivant
  • Storm extreme levels and coastal flood hazards: A parametric approach on the French coast of Languedoc (district of Leucate)
  • Brice Anselme, Paul Durand, Yves-François Thomas, Alexandre Nicolae-Lerma

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement ou un achat à l’unité.

L'accès au texte intégral de cet article nécessite un abonnement ou un achat à l'unité.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.