Исследование влияния горизонта прогнозирования на точность предсказывания метеопараметров атмосферы моделями машинного обучения
Аннотация
В статье рассмотрены вопросы оценки точности прогнозирования метеопараметров приземного слоя атмосферы для различных моделей машинного обучения (МО) при разных значениях горизонта прогнозирования. Определены задачи и методика сравнительного анализа эффективности работы моделей на краткосрочных и сверхкраткосрочных интервалах прогноза. Выполнено обучение и тестирование ряда алгоритмов машинного обучения, включая методы регрессии, градиентный бустинг и алгоритмы деревьев, на основе данных измерений многоканальной СВЧ радиометрической системы и приземных метеонаблюдений. Предложен подход к формированию обучающих выборок с учётом временной структуры данных для различных горизонтов прогнозирования. Получены численные оценки точности прогноза — средняя абсолютная ошибка (САО), коэффициент корреляции (R), средняя квадратическая ошибка (СКО), средняя ошибка модели (СОМ) — для температуры, влажности и атмосферного давления, и сделаны выводы о применимости различных моделей в зависимости от требуемого горизонта прогноза.
