Implementation and applications of chaotic oscillatory based neural network for wind prediction problems

Abstract

La cizalladura del viento y los cambios repentinos en su dirección y velocidad son un peligro familiar para la aviación, así como un fenómeno complejo y difícil de predecir. Las causas de las cizalladuras pueden variar según el lugar. En algunos sitios se deben a reventones, columnas localizadas de aire descendente, mientras que en otros lugares las cizalladuras pueden ser consecuencia de fenómenos meteorológicos de mesoescala. Por lo tanto, los algoritmos y técnicas que se utilizan para predecir las cizalladuras del viento causadas por reventones, como en Wolfson et al. (1994), no serán aplicables en un aeropuerto donde la cizalladura del viento y la turbulencia surgen de las condiciones locales pero de escala mayor. Este trabajo presenta la implementación y aplicación de redes neuronales caóticas oscilatorias (CONN) para predecir la brisa marina y la cizalladura del viento que se originan en los fenómenos meteorológicos de mesoescala en el Aeropuerto Internacional de Hong Kong. Utilizando datos históricos locales proporcionados por el Observatorio de Hong Kong se muestra, a partir de simulaciones, que CONN es capaz de predecir los movimientos del viento y hasta cizalladuras con un nivel razonable de precisión. Wind shear, sudden change in the wind direction and speed, is a familiar hazard to aviation as well as a complex and hard-to-predict phenomenon. The causes of wind shear may be different in different locations. In some places it is caused by microbursts, viz. localized columns of sinking air brought by thunderstorms, while in other places wind shear may result from mesoscale weather phenomena. Thus, algorithms and techniques used to predict wind shear caused by microbursts, as in Wolfson et al. (1994), will not be applicable at an airport where wind shear and turbulence arise from larger-scale but local conditions. This paper presents the implementation and applications of chaotic oscillatory-based neural networks (CONN) for predicting sea breeze and wind shear arising from mesoscale weather phenomenon at the Hong Kong International Airport. Using historical local data provided by the Hong Kong Observatory, we show from simulations that CONN is able to forecast the short-term wind evolution and even wind shear events with a reasonable level of accuracy.