Internationale Zeitschrift für Schwarmintelligenz und Evolutionsberechnung

Abstrakt

Vorhersage der Ozonlochfläche am Nord- und Südpol der Erde durch Marvel Interface

Siddheshwar Chopra*, Dipti Yadav, Anu Nagpal Chopra

In diesem Dokument wird die Möglichkeit untersucht, die Fläche des Ozonlochs (maximale Fläche) am Nord- und Südpol mithilfe künstlicher neuronaler Netze (KNN) vorherzusagen und dann mithilfe einer grafischen Benutzeroberfläche (GUI) namens MARVEL ein Prognosenetzwerk zu entwickeln. Für die Vorhersagen wurden zwei Modelle entwickelt: a) Vorhersage der Fläche des Ozonlochs am Nordpol und b) Vorhersage der Fläche des Ozonlochs am Südpol. Für beide Modelle werden als Eingabeparameter Jahr, Monat, Datum, Sonnenfleckenfläche, Sonnenfleckenzahl und durchschnittliches solares Magnetfeld verwendet. Hier werden Daten aus über 35 Jahren zu Trainingszwecken verwendet und dann werden Vorhersagen vom 23. November 2015 bis zum 30. September 2016 getroffen. Das Prognosenetzwerk (MARVEL) wurde entwickelt, um die Eigenschaften künstlicher neuronaler Netze zu übernehmen. Es kann mit den aktuellsten für den Benutzer verfügbaren Daten trainiert werden und dann künftige Vorhersagen für kurze (ein Tag) bzw. lange (Monate, Jahre) Zeiträume treffen. Aus den Ergebnissen geht hervor, dass der mittlere quadratische Fehler (MSE) für Modell 1 und Modell 2 6,7166 DU bzw. 0,3582 DU beträgt. Daraus lässt sich schlussfolgern, dass mit 30 Neuronen und Eingangs- und Ausgangsübertragungsfunktionen als Tangens-Sigmoid und rein linear sowie einer verborgenen Schicht die Vorhersagen des Prognosenetzwerks plausibel und den tatsächlich beobachteten Werten beträchtlich nahe kommen. Es ist anzumerken, dass die Veränderung der Ozonlochfläche an den Polen dynamische Gründe hat und die Sonnenparameter dafür nicht verantwortlich sind. In diesem Dokument wird versucht, die Anwendung eines künstlichen neuronalen Netzwerks zur Verbindung der unabhängigen Parameter und Prozesse darzustellen.