当前位置：
X-MOL 学术
›
Meteorol. Appl.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
Adaptive neuro‐fuzzy inference system to estimate the predictability of visibility during fog over Delhi, India
Meteorological Applications ( IF 2.3 ) Pub Date : 2020-04-06 , DOI: 10.1002/met.1900 S. Goswami 1, 2 , S. Chaudhuri 1 , D. Das 1 , I. Sarkar 1 , D. Basu 1
Meteorological Applications ( IF 2.3 ) Pub Date : 2020-04-06 , DOI: 10.1002/met.1900 S. Goswami 1, 2 , S. Chaudhuri 1 , D. Das 1 , I. Sarkar 1 , D. Basu 1
Affiliation
|
In the present research it was attempted to estimate the predictability of visibility during fog over the airport of the most polluted city Delhi (28 ° 38 ′ N, 77 ° 12 ′ E), India, with an adaptive neuro‐fuzzy inference system (ANFIS). The investigation started with the evaluation of fuzzy membership to categorize the data into different ranges. The output variables of fuzzy membership are used as the input in the multilayer perceptron model of artificial neural networks. In this hybrid computing system, the ANFIS was trained with the data from 2000 to 2010 for estimating the predictability of visibility during fog over Delhi airport. The results show that the ANFIS provides minimum forecast errors (9.09%) with 12 hr lead time in comparison to other neural network models and the existing forecast models. The results were validated with observations from 2011 to 2015. The coupled model ANFIS shows minimum error in visibility forecasting during fog over Delhi airport with validation from observations as well. The study therefore suggests that the ANFIS may be adopted as an alternative operational model for forecasting visibility during fog with 90.91% accuracy for a 12 hr lead time.
中文翻译：
自适应神经模糊推理系统估计印度德里大雾期间能见度的可预测性
在本研究中，尝试使用自适应神经模糊推理系统（ANFIS）估计印度最污染城市德里（28°38′E，77°12′E）的机场在雾期间能见度的可预测性。 ）。研究从评估模糊隶属关系开始，以将数据分类到不同范围。模糊隶属度的输出变量用作人工神经网络的多层感知器模型的输入。在此混合计算系统中，对ANFIS进行了2000年至2010年的数据训练，以估计德里机场大雾期间能见度的可预测性。结果表明，与其他神经网络模型和现有预测模型相比，ANFIS提供了最少的预测误差（9.09％），交货时间为12小时。对该结果进行了2011年至2015年的观察验证。耦合模型ANFIS显示了德里机场大雾期间能见度预测的最小误差，并且也得到了观察结果的验证。因此，该研究表明，可以将ANFIS用作替代的运行模型，以在雾霾期间以12小时的前置时间以90.91％的准确度预测能见度。
更新日期：2020-04-06
中文翻译：
自适应神经模糊推理系统估计印度德里大雾期间能见度的可预测性
在本研究中，尝试使用自适应神经模糊推理系统（ANFIS）估计印度最污染城市德里（28°38′E，77°12′E）的机场在雾期间能见度的可预测性。 ）。研究从评估模糊隶属关系开始，以将数据分类到不同范围。模糊隶属度的输出变量用作人工神经网络的多层感知器模型的输入。在此混合计算系统中，对ANFIS进行了2000年至2010年的数据训练，以估计德里机场大雾期间能见度的可预测性。结果表明，与其他神经网络模型和现有预测模型相比，ANFIS提供了最少的预测误差（9.09％），交货时间为12小时。对该结果进行了2011年至2015年的观察验证。耦合模型ANFIS显示了德里机场大雾期间能见度预测的最小误差，并且也得到了观察结果的验证。因此，该研究表明，可以将ANFIS用作替代的运行模型，以在雾霾期间以12小时的前置时间以90.91％的准确度预测能见度。
京公网安备 11010802027423号