Научници из Русије развили су алгоритам за конструисање метеоролошких прогнозних модела коришћењем неуронских мрежа ради побољшања ефикасности прогнозе времена, саопштила је прес служба универзитета.
На овај начин постиже се већа тачност прогнозе за сва годишња доба, навели су научници. Ова метода има потенцијал за примену у другим областима које захтевају тачно прогнозирање, као што су финансијска тржишта, транспортни системи и енергетика.
Индустрија, пољопривреда, урбанистичко планирање, туризам и многи други сектори захтевају тачне и ажурне информације о временским условима, климатским променама и условима животне средине. Ове информације се првенствено заснивају на посматрањима са метеоролошких станица, сателита, сензора и других уређаја. Међутим, постојећи приступи имају ограничења због велике количине података, сложености њихове обраде и просторних и временских ограничења.
"Научници су предложили коришћење методе кластеровања неуронских мрежа, у којој се неколико независних неуронских мрежа обучава да обављају исти задатак како би се побољшао квалитет прогнозирања. Важно је пажљиво одабрати њихову структуру и параметре и обучавати их на довољној количини разноврсних података како би се постигли добри резултати. Ови скупови података требало би да укључују информације о прошлим метеоролошким догађајима, као и податке прикупљене у реалном времену", саопштено је агенцији ТАСС.
Један од начина примене груписања неуронских мрежа у прогнозирању времена јесте коришћење групирања. У овом приступу, неуронске мреже се тренирају на различитим подскуповима улазних података са различитим карактеристикама, као што су временски интервали и географски региони. Прогнозе из сваког подскупа се затим комбинују да би се добила коначна временска прогноза.
Важан аспект прогнозе времена је коришћење различитих улазних података, као што су подаци метеоролошких станица, сателитска посматрања и географски и историјски подаци. Груписање неуронских мрежа омогућава интеграцију информација из ових извора.