Naučnici sa Novosibirskog državnog tehničkog univerziteta (NSTU) su razvili algoritam za konstruisanje meteoroloških prognoznih modela korišćenjem neuronskih mreža radi poboljšanja efikasnosti prognoze vremena, saopštila je pres služba univerziteta, prenosi Tanjug.

Na ovaj način postiže se veća tačnost prognoze za sva godišnja doba, naveli su naučnici.

Ova metoda ima potencijal za primjenu u drugim oblastima koje zahtijevaju tačno prognoziranje, kao što su finansijska tržišta, transportni sistemi i energetika.

Industrija, poljoprivreda, urbanističko planiranje, turizam i mnogi drugi sektori zahtijevaju tačne i ažurne informacije o vremenskim uslovima, klimatskim promjenama 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 NSTU-a 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”, saopštila je pres-služba NSTU-a agenciji TASS.

Jedan od načina primjene grupisanja neuronskih mreža u prognoziranju vremena jeste korišćenje grupisanja. 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.