Ученые Новосибирского государственного технического университета НЭТИ разработали алгоритм для повышения точности метеопрогнозов с использованием нейросетей. Новая технология предназначена для построения улучшенных прогностических моделей.
Точные погодные данные необходимы для многих отраслей, включая сельское хозяйство, энергетику и транспорт. Традиционные методы прогнозирования, основанные на информации со станций и спутников, часто имеют ограничения из-за сложности обработки больших объемов данных.
Как пояснил доцент НГТУ НЭТИ Борис Малоземов, нейронные сети позволяют эффективно анализировать сложные взаимосвязи между различными метеопараметрами. Для повышения точности прогнозов ученые предложили метод группировки нескольких нейросетей. Каждая из них обучается на своем наборе данных — например, за разные периоды или по разным регионам, после чего их прогнозы объединяются.
Этот подход позволяет учитывать региональные особенности погоды. Разработка использует различные источники информации: данные метеостанций, спутниковые наблюдения, исторические и географические сведения.
По словам ученых, применение группировки нейросетей позволило увеличить период точного прогноза с 120 до 180 часов. Метод также может быть адаптирован для использования в других областях, например, в финансовой аналитике или управлении энергосистемами.
В дальнейшем исследователи планируют совершенствовать как качество входных данных, так и математическую основу прогностических моделей.