A novel approach of data assimilati

A novel approach of data assimilation based on Neural Networks (NN’s) is presented and applied to wave modeling in the German Bight. The method takes advantage from the ability of NN’s to emulate models and to invert them. Combining forward and inverse model NN with the Levenberg–Marquardt algorithm provides boundary values or wind fields in agreement with measured wave integrated parameters. Synthesized HFradar wave data are used to test the technique for two academic cases.

ผลลัพธ์ (ไทย) 1:

วิธีการผสมข้อมูลตามเครือข่ายประสาท (NN ของ) แบบนวนิยายนำเสนอ และใช้คลื่นจำลองใน Bight เยอรมัน วิธีการใช้ประโยชน์จากความสามารถของของ NN เพื่อจำลองรูปแบบ และสลับให้ รวมรุ่นไปข้างหน้า และผกผัน NN กับอัลกอริทึม Levenberg – Marquardt มีค่าขอบเขต หรือ fields ลมยังคงวัดคลื่นรวมพารามิเตอร์ สังเคราะห์ข้อมูลคลื่น HFradar ใช้เพื่อทดสอบเทคนิคกรณีศึกษาที่สอง

ผลลัพธ์ (ไทย) 2:

แนวทางใหม่ของการดูดซึมข้อมูลที่อยู่บนพื้นฐานของโครงข่ายประสาท (NN) ที่จะนำเสนอและนำไปใช้กับการสร้างแบบจำลองคลื่นในเยอรมันอ่าว วิธีการใช้ประโยชน์จากความสามารถของ NN ที่จะเลียนแบบรูปแบบและเพื่อให้พวกเขากลับ รวมไปข้างหน้าและผกผันรุ่น NN กับอัลกอริทึม Levenberg-Marquardt ให้ค่าขอบเขตหรือ elds ลมไฟในข้อตกลงกับพารามิเตอร์คลื่นแบบบูรณาการวัด สังเคราะห์ข้อมูล HFradar คลื่นที่ใช้ในการทดสอบเทคนิคการสองกรณีทางวิชาการ

ผลลัพธ์ (ไทย) 3:

แนวทางใหม่ของข้อมูลสูงตามโครงข่ายประสาท ( NN ) คือ นำเสนอ และใช้คลื่นในอ่าวแบบเยอรมัน วิธีการที่ใช้ประโยชน์จากความสามารถในการเลียนแบบรูปแบบ NN และกลับพวกเขา รวมไปข้างหน้าและ NN แบบผกผันกับขั้นตอนวิธี levenberg –มาร์ควให้ค่าขอบเขตหรือลมจึง elds ในข้อตกลงกับวัดคลื่นแบบพารามิเตอร์สังเคราะห์ hfradar คลื่น ข้อมูลที่ใช้ในการสอบ เทคนิควิชาการสองกรณี