В Новосибирском государственном техническом университете (НГТУ-НЭТИ) разработали алгоритм построения метеорологических прогнозных моделей с использованием нейросетей для повышения эффективности предсказания погоды.
Нейронные сети могут обрабатывать большие объемы данных, способны учитывать сложные взаимодействия между различными факторами, такими как температура, атмосферное давление, влажность и ветер, что позволяет получать более точные прогнозы погоды на короткие и длительные периоды времени.
Ученые НГТУ-НЭТИ предложили использовать метод группировки нейронных сетей, при котором несколько независимых нейросетей обучаются выполнению одной и той же задачи с целью повышения качества прогнозирования.
«Этот подход позволяет учесть нюансы погодных условий в разных районах, что необходимо для планирования повседневной жизни, обеспечения сельскохозяйственных работ, строительства, эффективного управления водными, энергетическими и другими ресурсами», – рассказал доцент кафедры электротехнических комплексов НГТУ-НЭТИ Борис Малоземов.
Ученый объяснил, что для достижения более высокой точности прогноза может применяться усреднение или взвешивание вкладов каждой нейронной сети — это позволяет сглаживать возможные ошибки в отдельных моделях и учитывать различные сценарии прогноза для разных погодных сезонов.
«На сегодняшний день точность большинства существующих моделей прогнозирования погоды ограничена 120 часами, в то время как нам удалось увеличить этот период до 180 часов», – подчеркнул Борис Малоземов.
Иллюстрация Freepik.com