2025-02-22T10:13:18-05:00 DEBUG: VuFindSearch\Backend\Solr\Connector: Query fl=%2A&wt=json&json.nl=arrarr&q=id%3A%22irk-123456789-180484%22&qt=morelikethis&rows=5
2025-02-22T10:13:18-05:00 DEBUG: VuFindSearch\Backend\Solr\Connector: => GET http://localhost:8983/solr/biblio/select?fl=%2A&wt=json&json.nl=arrarr&q=id%3A%22irk-123456789-180484%22&qt=morelikethis&rows=5
2025-02-22T10:13:18-05:00 DEBUG: VuFindSearch\Backend\Solr\Connector: <= 200 OK
2025-02-22T10:13:18-05:00 DEBUG: Deserialized SOLR response
Застосування машинного навчання для уточнення чисельних метеорологічних прогнозів

Застосування машинного навчання для уточнення чисельних метеорологічних прогнозів

Зроблено короткий огляд тенденцій розвитку чисельного прогнозування погоди, труднощів та природи їх виникнення, існуючих та перспективних шляхів їх подолання. Як перспективний підхід для збільшення точності прогнозу приземної температури повітря чисельної регіональної моделі COSMO запропоновано архі...

Full description

Saved in:
Bibliographic Details
Main Authors: Дорошенко, А.Ю., Шпиг, В.М., Кушніренко, Р.В.
Format: Article
Language:Ukrainian
Published: Інститут програмних систем НАН України 2020
Series:Проблеми програмування
Subjects:
Методи машинного навчання
Online Access:http://dspace.nbuv.gov.ua/handle/123456789/180484
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:Зроблено короткий огляд тенденцій розвитку чисельного прогнозування погоди, труднощів та природи їх виникнення, існуючих та перспективних шляхів їх подолання. Як перспективний підхід для збільшення точності прогнозу приземної температури повітря чисельної регіональної моделі COSMO запропоновано архітектуру нейронної мережі, яка дозволяє прогнозувати помилки власне прогнозів атмосферної моделі із подальшим їх коригуванням. Проведено експерименти з різними передісторіями помилок регіональної моделі. Визначено кількість епох, після збільшення якої мало місце так зване перенавчання мережі. Показано, що запропонована архітектура дає можливість досягти покращення прогнозу приземної температури повітря приблизно у 50 % випадків.

Similar Items