@ARTICLE {CWE / 1062/2018，作者= {}，Journal = {当前世界环境}，Publisher = {}，标题= {估算希腊山区的空气温度统计模型}，年= {}，月份= {}，卷= {39}，URL = {www.a-i-l-s-a.com/article/1061/}，页面= {547-552}，抽象= {当前工作侧重于估计空气温度（t）条件在两个高海拔（ALT）网站（1580米），每一个在山（MT）AENOS在Cephalonia，希腊岛上的不同方向（MT）Aenos，通过使用两个众所周知的统计模型，简单的线性回归（SLR）和多层Perceptron（MLP），最常用的人工神经网络之一。更具体地说，高替代地点中的平均值，最大和最小T的估计是基于两个下替代网站（1100米）的各自的T数据，东南第一和西北方向的第二个数据，并单独进行每个方向。通过测定系数（R2）和平均绝对误差（MAE）来评估SLR和MLP模型的性能。结果表明，关于东南方向的平均值，最大和最小T的估计，所检查的模型（SLR和MLP）提供了非常令人满意的结果（R2为0.96至0.98），平均t估计相对更好，如确认由最低的MAE（0.83）。对于西北方向，与东南方向的各自估计相比，T估计不太准确（降低R2和更高的MAE），但是，结果被认为是足够的（R2和MAE分别为0.92和1.00至1.40。 In general, the estimations of the mean T were better than those of the extreme ones (minimum and maximum T). In addition, better results (higher R2 and lower, in general, MAE) were obtained when T estimations were based on T data derived from sites located at areas with similar surroundings, as in the case of dense and tall vegetation of the sites at southeast orientation, irrespective of applied method.}, number = {52}, doi = {10.12944/CWE.12.3.07} }