Πρόβλεψη εύρους σφάλματος μοντέλου T.E.C. με τη βοήθεια των δεικτών Aa, AE με την Μέθοδο Νευρωνικών Δικτύων Αξενόπουλος Απόστολος & Δάνης Πέτρος Θεσσαλονίκη.

Παρουσίαση με θέμα: "Πρόβλεψη εύρους σφάλματος μοντέλου T.E.C. με τη βοήθεια των δεικτών Aa, AE με την Μέθοδο Νευρωνικών Δικτύων Αξενόπουλος Απόστολος & Δάνης Πέτρος Θεσσαλονίκη."— Μεταγράφημα παρουσίασης:

1 Πρόβλεψη εύρους σφάλματος μοντέλου T.E.C. με τη βοήθεια των δεικτών Aa, AE με την Μέθοδο Νευρωνικών Δικτύων Αξενόπουλος Απόστολος & Δάνης Πέτρος Θεσσαλονίκη - Οκτώβριος 2003 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ

2 ΠΡΟΒΛΕΨΗ ΕΥΡΟΥΣ ΣΦΑΛΜΑΤΟΣ ΜΟΝΤΕΛΟΥ T.E.C. ΜΕ ΤΗ ΒΟΗΘΕΙΑ ΤΩΝ ΔΕΙΚΤΩΝ Aa ΚΑΙ AE ΜΕ ΤΗΝ ΜΕΘΟΔΟ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ Ιονόσφαιρα Εκτείνεται από 80 έως 600km πάνω από την επιφάνεια της Γης Εκτείνεται από 80 έως 600km πάνω από την επιφάνεια της Γης Διάθλαση και ανάκλαση ραδιοκυμάτων 3-30MHz Διάθλαση και ανάκλαση ραδιοκυμάτων 3-30MHz Σκέδαση ραδιοκυμάτων 40-70MHz Σκέδαση ραδιοκυμάτων 40-70MHz Αποτελείται από τα στρώματα D, E, F1, F2 Αποτελείται από τα στρώματα D, E, F1, F2 Τα F1 και F2 (140-300km) υπεύθυνα για την διάθλαση, ανάκλαση και διάδοση των ραδιοκυμάτων Τα F1 και F2 (140-300km) υπεύθυνα για την διάθλαση, ανάκλαση και διάδοση των ραδιοκυμάτων

3 ΠΡΟΒΛΕΨΗ ΕΥΡΟΥΣ ΣΦΑΛΜΑΤΟΣ ΜΟΝΤΕΛΟΥ T.E.C. ΜΕ ΤΗ ΒΟΗΘΕΙΑ ΤΩΝ ΔΕΙΚΤΩΝ Aa ΚΑΙ AE ΜΕ ΤΗΝ ΜΕΘΟΔΟ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ T.E.C. (Total Electron Content) Εκφράζει τον αριθμό των ηλεκτρονίων e - ανά μονάδα επιφάνειας κατά μήκος της διαδρομής ενός Η/Μ κύματος (ηλεκτρόνια /cm 2 ) Εκφράζει τον αριθμό των ηλεκτρονίων e - ανά μονάδα επιφάνειας κατά μήκος της διαδρομής ενός Η/Μ κύματος (ηλεκτρόνια /cm 2 ) Χρησιμοποιείται στον προσδιορισμό της καθυστέρησης και των αλλαγών στη διεύθυνση ενός κύματος μέσα στην ιονόσφαιρα Χρησιμοποιείται στον προσδιορισμό της καθυστέρησης και των αλλαγών στη διεύθυνση ενός κύματος μέσα στην ιονόσφαιρα

4 ΠΡΟΒΛΕΨΗ ΕΥΡΟΥΣ ΣΦΑΛΜΑΤΟΣ ΜΟΝΤΕΛΟΥ T.E.C. ΜΕ ΤΗ ΒΟΗΘΕΙΑ ΤΩΝ ΔΕΙΚΤΩΝ Aa ΚΑΙ AE ΜΕ ΤΗΝ ΜΕΘΟΔΟ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ Κλασσικά Νευρωνικά Δίκτυα Παράλληλα διανεμημένος επεξεργαστής, με δυνατότητα αποθήκευσης εμπειρικής γνώσης, άμεσα διαθέσιμης για χρήση Παράλληλα διανεμημένος επεξεργαστής, με δυνατότητα αποθήκευσης εμπειρικής γνώσης, άμεσα διαθέσιμης για χρήση Εκπαίδευση: Διαδικασία εκμάθησης – εμπειρίας, και αποθήκευση γνώσης η οποία πραγματοποιείται μέσω των συνδέσεων μεταξύ των νευρώνων Εκπαίδευση: Διαδικασία εκμάθησης – εμπειρίας, και αποθήκευση γνώσης η οποία πραγματοποιείται μέσω των συνδέσεων μεταξύ των νευρώνων Πρόβλεψη: Διαδικασία εκτίμησης εξόδου συστήματος με δεδομένη είσοδο, χρησιμοποιώντας τη προσέγγιση της συνάρτησης εισόδου-εξόδου που προέκυψε από τη διαδικασία της εκπαίδευσης Πρόβλεψη: Διαδικασία εκτίμησης εξόδου συστήματος με δεδομένη είσοδο, χρησιμοποιώντας τη προσέγγιση της συνάρτησης εισόδου-εξόδου που προέκυψε από τη διαδικασία της εκπαίδευσης

5 ΠΡΟΒΛΕΨΗ ΕΥΡΟΥΣ ΣΦΑΛΜΑΤΟΣ ΜΟΝΤΕΛΟΥ T.E.C. ΜΕ ΤΗ ΒΟΗΘΕΙΑ ΤΩΝ ΔΕΙΚΤΩΝ Aa ΚΑΙ AE ΜΕ ΤΗΝ ΜΕΘΟΔΟ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ Σκοπός Της Εργασίας Πρόβλεψη εύρους σφάλματος T.E.C. (errorwidth%) με χρήση των δεικτών Aa, AE με τη μέθοδο Κλασσικών Νευρωνικών Δικτύων Πρόβλεψη εύρους σφάλματος T.E.C. (errorwidth%) με χρήση των δεικτών Aa, AE με τη μέθοδο Κλασσικών Νευρωνικών Δικτύων Υπολογισμός των εκατοστιαίων σχετικών σφαλμάτων Υπολογισμός των εκατοστιαίων σχετικών σφαλμάτων Εύρεση νευρωνικού δικτύου που ελαχιστοποιεί το σφάλμα πρόβλεψης Εύρεση νευρωνικού δικτύου που ελαχιστοποιεί το σφάλμα πρόβλεψης Αναπαράσταση των εκατοστιαίων σχετικών σφαλμάτων σε ιστογράμματα Αναπαράσταση των εκατοστιαίων σχετικών σφαλμάτων σε ιστογράμματα Συμπεράσματα - Σχόλια Συμπεράσματα - Σχόλια

6 ΠΡΟΒΛΕΨΗ ΕΥΡΟΥΣ ΣΦΑΛΜΑΤΟΣ ΜΟΝΤΕΛΟΥ T.E.C. ΜΕ ΤΗ ΒΟΗΘΕΙΑ ΤΩΝ ΔΕΙΚΤΩΝ Aa ΚΑΙ AE ΜΕ ΤΗΝ ΜΕΘΟΔΟ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ Είσοδοι Νευρωνικού Δικτύου 1)Μέγιστη τιμή του δείκτη Aa (Aamax) Λήψη τιμών κάθε 3 ώρες (8 τιμές την ημέρα) Λήψη τιμών κάθε 3 ώρες (8 τιμές την ημέρα) Επιλογή της μέγιστης τιμής στη διάρκεια μιας περιόδου διαταραγμένου T.E.C. (ιονοσφαιρική καταιγίδα) Επιλογή της μέγιστης τιμής στη διάρκεια μιας περιόδου διαταραγμένου T.E.C. (ιονοσφαιρική καταιγίδα) 2)Τυπική απόκλιση του δείκτη AΕ (AEstdev) Λήψη τιμών κάθε 1 ώρα (24 τιμές την ημέρα) Λήψη τιμών κάθε 1 ώρα (24 τιμές την ημέρα) Επιλογή της τυπικής απόκλισης στη διάρκεια μιας περιόδου διαταραγμένου T.E.C. (ιονοσφαιρική καταιγίδα) Επιλογή της τυπικής απόκλισης στη διάρκεια μιας περιόδου διαταραγμένου T.E.C. (ιονοσφαιρική καταιγίδα)

7 ΠΡΟΒΛΕΨΗ ΕΥΡΟΥΣ ΣΦΑΛΜΑΤΟΣ ΜΟΝΤΕΛΟΥ T.E.C. ΜΕ ΤΗ ΒΟΗΘΕΙΑ ΤΩΝ ΔΕΙΚΤΩΝ Aa ΚΑΙ AE ΜΕ ΤΗΝ ΜΕΘΟΔΟ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ Έξοδος Νευρωνικού Δικτύου 1)Εύρος σφάλματος T.E.C. (errorwidth%): Επιλογή της τιμής του errorwidth% του T.E.C. στη διάρκεια μιας περιόδου διαταραγμένου T.E.C. (ιονοσφαιρική καταιγίδα)

8 ΠΡΟΒΛΕΨΗ ΕΥΡΟΥΣ ΣΦΑΛΜΑΤΟΣ ΜΟΝΤΕΛΟΥ T.E.C. ΜΕ ΤΗ ΒΟΗΘΕΙΑ ΤΩΝ ΔΕΙΚΤΩΝ Aa ΚΑΙ AE ΜΕ ΤΗΝ ΜΕΘΟΔΟ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ errorwidth % Ορισμός Του errorwidth%

9 ΠΡΟΒΛΕΨΗ ΕΥΡΟΥΣ ΣΦΑΛΜΑΤΟΣ ΜΟΝΤΕΛΟΥ T.E.C. ΜΕ ΤΗ ΒΟΗΘΕΙΑ ΤΩΝ ΔΕΙΚΤΩΝ Aa ΚΑΙ AE ΜΕ ΤΗΝ ΜΕΘΟΔΟ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ Ιστόγραμμα (1η περίπτωση) Εκπαίδευση για τις χρονιές 1993-1994 Εκπαίδευση για τις χρονιές 1993-1994 Πρόβλεψη για τις χρονιές 1997-1998 Πρόβλεψη για τις χρονιές 1997-1998 Χρήση 4 Νευρωνικών Δικτύων Χρήση 4 Νευρωνικών Δικτύων 1)6, 8, 10, 12 νευρώνες 2)1-200 επαναλήψεις

10 ΠΡΟΒΛΕΨΗ ΕΥΡΟΥΣ ΣΦΑΛΜΑΤΟΣ ΜΟΝΤΕΛΟΥ T.E.C. ΜΕ ΤΗ ΒΟΗΘΕΙΑ ΤΩΝ ΔΕΙΚΤΩΝ Aa ΚΑΙ AE ΜΕ ΤΗΝ ΜΕΘΟΔΟ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ Ιστόγραμμα (1η περίπτωση)

11 ΠΡΟΒΛΕΨΗ ΕΥΡΟΥΣ ΣΦΑΛΜΑΤΟΣ ΜΟΝΤΕΛΟΥ T.E.C. ΜΕ ΤΗ ΒΟΗΘΕΙΑ ΤΩΝ ΔΕΙΚΤΩΝ Aa ΚΑΙ AE ΜΕ ΤΗΝ ΜΕΘΟΔΟ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ Ιστόγραμμα (1η περίπτωση)

12 ΠΡΟΒΛΕΨΗ ΕΥΡΟΥΣ ΣΦΑΛΜΑΤΟΣ ΜΟΝΤΕΛΟΥ T.E.C. ΜΕ ΤΗ ΒΟΗΘΕΙΑ ΤΩΝ ΔΕΙΚΤΩΝ Aa ΚΑΙ AE ΜΕ ΤΗΝ ΜΕΘΟΔΟ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ Ιστόγραμμα (2η περίπτωση) Εκπαίδευση για τις χρονιές 1997-1998 Εκπαίδευση για τις χρονιές 1997-1998 Πρόβλεψη για τις χρονιές 1993-1994 Πρόβλεψη για τις χρονιές 1993-1994 Χρήση 4 Νευρωνικών Δικτύων Χρήση 4 Νευρωνικών Δικτύων 1)6, 8, 10, 12 νευρώνες 2)1-200 επαναλήψεις

13 ΠΡΟΒΛΕΨΗ ΕΥΡΟΥΣ ΣΦΑΛΜΑΤΟΣ ΜΟΝΤΕΛΟΥ T.E.C. ΜΕ ΤΗ ΒΟΗΘΕΙΑ ΤΩΝ ΔΕΙΚΤΩΝ Aa ΚΑΙ AE ΜΕ ΤΗΝ ΜΕΘΟΔΟ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ Ιστόγραμμα (2η περίπτωση)

14 ΠΡΟΒΛΕΨΗ ΕΥΡΟΥΣ ΣΦΑΛΜΑΤΟΣ ΜΟΝΤΕΛΟΥ T.E.C. ΜΕ ΤΗ ΒΟΗΘΕΙΑ ΤΩΝ ΔΕΙΚΤΩΝ Aa ΚΑΙ AE ΜΕ ΤΗΝ ΜΕΘΟΔΟ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ Ιστόγραμμα (2η περίπτωση)

15 ΠΡΟΒΛΕΨΗ ΕΥΡΟΥΣ ΣΦΑΛΜΑΤΟΣ ΜΟΝΤΕΛΟΥ T.E.C. ΜΕ ΤΗ ΒΟΗΘΕΙΑ ΤΩΝ ΔΕΙΚΤΩΝ Aa ΚΑΙ AE ΜΕ ΤΗΝ ΜΕΘΟΔΟ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ Ποσοστό Προβλεπόμενων Τιμών errorwidth% Με Περιθώρια Σφάλματος [-10%,10%] και [-20%,20%]

16 ΠΡΟΒΛΕΨΗ ΕΥΡΟΥΣ ΣΦΑΛΜΑΤΟΣ ΜΟΝΤΕΛΟΥ T.E.C. ΜΕ ΤΗ ΒΟΗΘΕΙΑ ΤΩΝ ΔΕΙΚΤΩΝ Aa ΚΑΙ AE ΜΕ ΤΗΝ ΜΕΘΟΔΟ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ Συμπεράσματα Μεγάλο ποσοστό των προβλέψεων είναι συγκεντρωμένο στο διάστημα [-20%, 20%] Μεγάλο ποσοστό των προβλέψεων είναι συγκεντρωμένο στο διάστημα [-20%, 20%] Οι ιονοσφαιρικές καταιγίδες προκαλούν έντονες διαταραχές στην ιονόσφαιρα.Οι δείκτες μετρήθηκαν σε κατάσταση έντονων διαταραχών. Οι ιονοσφαιρικές καταιγίδες προκαλούν έντονες διαταραχές στην ιονόσφαιρα.Οι δείκτες μετρήθηκαν σε κατάσταση έντονων διαταραχών. Προσαρμογή του συστήματος στο συγκεκριμένο μοντέλο δεδομένων Προσαρμογή του συστήματος στο συγκεκριμένο μοντέλο δεδομένων

17 Πρόβλεψη εύρους σφάλματος μοντέλου T.E.C. με τη βοήθεια των δεικτών Aa, AE με την Μέθοδο Νευρωνικών Δικτύων Αξενόπουλος Απόστολος & Δάνης Πέτρος Θεσσαλονίκη - Οκτώβριος 2003 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ