In this paper we consider the use of different methods of constructing models from time series to study the dynamics of Arctic ice. Checks of the constructed models for adequacy and accuracy. For long-term forecasting used artificial neural network.
time series modeling, the adequacy of the model, neural network, weighting coefficients, the thickness of the Arctic ice
Арктика является экономически привлекательной территорией для многих стран. Мониторингу ледовых условий арктических морей придается большое значение.
Проведем анализ данных по ледовитости за самый холодный месяц в Арктике - февраль (AverageMonthlyArcticSeaIceExtentFebruary) и за самый тёплый месяц – июль (AverageMonthlyArcticSeaIceExtentJuly) с 1985 по 2014 года. Указанные значения получены с сайта организации NSIDC (NationalSnow & IceDataCenter) - http://nsidc.org/. [1]
1. Natsional´nyy bank dannykh po snegu i l´du NSIDC (National Snow & Ice Data Center) [Elektronnyy resurs]. NSCDC: [sayt]. [2014]. URL: http://nsidc.org/arcticseaicenews/tag/ice-extent// (data obrashcheniya: 25.10.2014).
2. Zelenina L.I., Fed´kushova S.I. Prognozirovanie i posledstviya izmeneniya klimata Arkticheskogo regiona. Arktika i Sever. − 2012. − № 5. − S. 1−5.
3. Zelenina L.I., Fed´kushova S.I. Arkticheskie l´dy: prognoz i adaptatsiya// Innovatika. Nauchnyy elektronnyy zhurnal. Svidetel´stvo o registratsii EL № FS 77-5722 - 2014. - № 2. - s. 26- 31.
4. Makoveev R.E., Zelenina L.I. Issledovanie sostoyaniya ledovogo pokrytiya Arkticheskogo regiona// Issledovaniya v oblasti estestvennykh nauk. 2015. № 1 (37) [Elektronnyy resurs]. URL: http://science.snauka.ru/2015/01/8929 (data obrashcheniya: 26.01.2015).
