%T Statistical Models in estimated Air Temperature in a mountainregion Greece %9 Article %D %J Current World Environment %R 10.12944/ cwe . 12.3.07% P 547- 552% V 39% N 52% U www.a-i-l-s-a.com/article/1061/ %8 - December 27,2017 %x -文摘:目前的工作重点是估算两个高海拔(alt)地点(1580米)的气温(T)条件，每个地点在不同的方向(东南和西北)，在希腊塞弗隆尼亚岛(Cephalonia)的埃诺斯山(Mt)，通过使用两个著名的统计模型，简单线性回归(SLR)和多层感知器(MLP)是最常用的人工神经网络之一。具体地说，高海拔测点的平均T、最大T和最小T分别基于两个低海拔测点(1100 m)的T数据(第一个在东南方向，第二个在西北方向)，并分别对每个方向进行估算。通过决定系数(R2)和平均绝对误差(MAE)来评价SLR和MLP模型的性能。结果表明，所检验的模型(SLR和MLP)对东南方向的平均T、最大T和最小T的估计结果非常满意(R2为0.96 ~ 0.98)，其中平均T估计相对较好，最低的MAE(0.83)证实了这一点。对于西北方向的T估计，与东南方向的T估计相比，精度较低(R2较低，MAE较高)，但认为结果是足够的(R2和MAE分别为0.88 ~ 0.92和1.00 ~ 1.40)。总体而言，均值T的估计优于极值T(最小和最大T)的估计。此外，基于环境相似地区站点的T数据进行T估计，得到了更好的结果(R2更高，MAE一般更低)。如在东南方向的密集和高大的植被的情况下，不管应用的方法。%0 -期刊文章%I - %@ - 0125-895