Magazin
U Rusiji razvijen algoritam neuronske mreže za prognozu vremena
"Očekuje nas najhladnija zima u istoriji", "Leto će biće najtoplije do sad" - svake godine čujemo ovakve prognoze, koje su često preterane ili netačne. Klima se menja, ekstremi su sve učestaliji, ali problem često nije u samoj pojavi, već u metodama kojima se ona predviđa. Ruski naučnici i u ovom domenu odlaze dalje i ponudili su savremenu metodu vremenske prognoze koja se oslanja na neuronske mreže i koja može biti upotrebljiva i na druge sfere kao što je ekonomija, transport...
Naučnici iz Rusije razvili su algoritam za konstruisanje meteoroloških prognoznih modela korišćenjem neuronskih mreža radi poboljšanja efikasnosti prognoze vremena, saopštila je pres služba univerziteta.
Na ovaj način postiže se veća tačnost prognoze za sva godišnja doba, naveli su naučnici. Ova metoda ima potencijal za primenu u drugim oblastima koje zahtevaju tačno prognoziranje, kao što su finansijska tržišta, transportni sistemi i energetika.
Industrija, poljoprivreda, urbanističko planiranje, turizam i mnogi drugi sektori zahtevaju tačne i ažurne informacije o vremenskim uslovima, klimatskim promenama i uslovima životne sredine. Ove informacije se prvenstveno zasnivaju na posmatranjima sa meteoroloških stanica, satelita, senzora i drugih uređaja. Međutim, postojeći pristupi imaju ograničenja zbog velike količine podataka, složenosti njihove obrade i prostornih i vremenskih ograničenja.
"Naučnici su predložili korišćenje metode klasterovanja neuronskih mreža, u kojoj se nekoliko nezavisnih neuronskih mreža obučava da obavljaju isti zadatak kako bi se poboljšao kvalitet prognoziranja. Važno je pažljivo odabrati njihovu strukturu i parametre i obučavati ih na dovoljnoj količini raznovrsnih podataka kako bi se postigli dobri rezultati. Ovi skupovi podataka trebalo bi da uključuju informacije o prošlim meteorološkim događajima, kao i podatke prikupljene u realnom vremenu", saopšteno je agenciji TASS.
Jedan od načina primene grupisanja neuronskih mreža u prognoziranju vremena jeste korišćenje grupiranja. U ovom pristupu, neuronske mreže se treniraju na različitim podskupovima ulaznih podataka sa različitim karakteristikama, kao što su vremenski intervali i geografski regioni. Prognoze iz svakog podskupa se zatim kombinuju da bi se dobila konačna vremenska prognoza.
Važan aspekt prognoze vremena je korišćenje različitih ulaznih podataka, kao što su podaci meteoroloških stanica, satelitska posmatranja i geografski i istorijski podaci. Grupisanje neuronskih mreža omogućava integraciju informacija iz ovih izvora.
Live
