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...
Gespeichert in:
| Veröffentlicht in: | Проблеми програмування |
|---|---|
| Datum: | 2020 |
| Hauptverfasser: | , , |
| Format: | Artikel |
| Sprache: | Ukrainian |
| Veröffentlicht: |
Інститут програмних систем НАН України
2020
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/180484 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | Застосування машинного навчання для уточнення чисельних метеорологічних прогнозів / А.Ю. Дорошенко, В.М. Шпиг, Р.В. Кушніренко // Проблеми програмування. — 2020. — № 2-3. — С. 375-383. — Бібліогр.: 22 назв. — укр. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-180484 |
|---|---|
| record_format |
dspace |
| spelling |
Дорошенко, А.Ю. Шпиг, В.М. Кушніренко, Р.В. 2021-09-29T19:08:47Z 2021-09-29T19:08:47Z 2020 Застосування машинного навчання для уточнення чисельних метеорологічних прогнозів / А.Ю. Дорошенко, В.М. Шпиг, Р.В. Кушніренко // Проблеми програмування. — 2020. — № 2-3. — С. 375-383. — Бібліогр.: 22 назв. — укр. 1727-4907 DOI: https://doi.org/10.15407/pp2020.02-03.375 https://nasplib.isofts.kiev.ua/handle/123456789/180484 51:681.3.06 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. Сделан краткий обзор тенденций развития численного прогнозирования погоды, трудностей и природы их возникновения, существующих и перспективных путей их преодоления. Как перспективный подход для увеличения точности прогноза приземной температуры воздуха численной региональной модели COSMO предложена архитектура нейронной сети, которая позволяет прогнозировать ошибки собственно прогнозов атмосферной модели с последующей их коррекцией. Были проведены эксперименты с различными предыстория ошибок региональной модели. Определено количество эпох, после увеличения которого имело место так называемое переобучение сети. Показано, что предложенная архитектура позволяет достичь улучшения прогноза приземной температуры воздуха примерно в 50 % случаев. In this paper are presented a brief overview of trends in numerical weather prediction, difficulties and the nature of their occurrence, the existing and perspective ways to overcome them. The neural network architecture is proposed as a promising approach to increase the accuracy of the 2m temperature forecast by COSMO regional model. This architecture allows predicting errors of the atmospheric model forecasts with their further corrections. Experiments were conducted with different prehistories of regional model errors. The number of epochs was determined after which the increase of the so-called retraining of the network had place. It is shown that the proposed architecture makes it possible to achieve an improvement of 2m temperature forecast in approximately 50 % of cases. uk Інститут програмних систем НАН України Проблеми програмування Методи машинного навчання Застосування машинного навчання для уточнення чисельних метеорологічних прогнозів Применение машинного обучения для уточнения многочисленных метеорологических прогнозов Application of machine learning to improving numerical weather prediction Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Застосування машинного навчання для уточнення чисельних метеорологічних прогнозів |
| spellingShingle |
Застосування машинного навчання для уточнення чисельних метеорологічних прогнозів Дорошенко, А.Ю. Шпиг, В.М. Кушніренко, Р.В. Методи машинного навчання |
| title_short |
Застосування машинного навчання для уточнення чисельних метеорологічних прогнозів |
| title_full |
Застосування машинного навчання для уточнення чисельних метеорологічних прогнозів |
| title_fullStr |
Застосування машинного навчання для уточнення чисельних метеорологічних прогнозів |
| title_full_unstemmed |
Застосування машинного навчання для уточнення чисельних метеорологічних прогнозів |
| title_sort |
застосування машинного навчання для уточнення чисельних метеорологічних прогнозів |
| author |
Дорошенко, А.Ю. Шпиг, В.М. Кушніренко, Р.В. |
| author_facet |
Дорошенко, А.Ю. Шпиг, В.М. Кушніренко, Р.В. |
| topic |
Методи машинного навчання |
| topic_facet |
Методи машинного навчання |
| publishDate |
2020 |
| language |
Ukrainian |
| container_title |
Проблеми програмування |
| publisher |
Інститут програмних систем НАН України |
| format |
Article |
| title_alt |
Применение машинного обучения для уточнения многочисленных метеорологических прогнозов Application of machine learning to improving numerical weather prediction |
| description |
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.
Сделан краткий обзор тенденций развития численного прогнозирования погоды, трудностей и природы их возникновения, существующих и перспективных путей их преодоления. Как перспективный подход для увеличения точности прогноза приземной температуры воздуха численной региональной модели COSMO предложена архитектура нейронной сети, которая позволяет прогнозировать ошибки собственно прогнозов атмосферной модели с последующей их коррекцией. Были проведены эксперименты с различными предыстория ошибок региональной модели. Определено количество эпох, после увеличения которого имело место так называемое переобучение сети. Показано, что предложенная архитектура позволяет достичь улучшения прогноза приземной температуры воздуха примерно в 50 % случаев.
In this paper are presented a brief overview of trends in numerical weather prediction, difficulties and the nature of their occurrence, the existing and perspective ways to overcome them. The neural network architecture is proposed as a promising approach to increase the accuracy of the 2m temperature forecast by COSMO regional model. This architecture allows predicting errors of the atmospheric model forecasts with their further corrections. Experiments were conducted with different prehistories of regional model errors. The number of epochs was determined after which the increase of the so-called retraining of the network had place. It is shown that the proposed architecture makes it possible to achieve an improvement of 2m temperature forecast in approximately 50 % of cases.
|
| issn |
1727-4907 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/180484 |
| citation_txt |
Застосування машинного навчання для уточнення чисельних метеорологічних прогнозів / А.Ю. Дорошенко, В.М. Шпиг, Р.В. Кушніренко // Проблеми програмування. — 2020. — № 2-3. — С. 375-383. — Бібліогр.: 22 назв. — укр. |
| work_keys_str_mv |
AT dorošenkoaû zastosuvannâmašinnogonavčannâdlâutočnennâčiselʹnihmeteorologíčnihprognozív AT špigvm zastosuvannâmašinnogonavčannâdlâutočnennâčiselʹnihmeteorologíčnihprognozív AT kušnírenkorv zastosuvannâmašinnogonavčannâdlâutočnennâčiselʹnihmeteorologíčnihprognozív AT dorošenkoaû primeneniemašinnogoobučeniâdlâutočneniâmnogočislennyhmeteorologičeskihprognozov AT špigvm primeneniemašinnogoobučeniâdlâutočneniâmnogočislennyhmeteorologičeskihprognozov AT kušnírenkorv primeneniemašinnogoobučeniâdlâutočneniâmnogočislennyhmeteorologičeskihprognozov AT dorošenkoaû applicationofmachinelearningtoimprovingnumericalweatherprediction AT špigvm applicationofmachinelearningtoimprovingnumericalweatherprediction AT kušnírenkorv applicationofmachinelearningtoimprovingnumericalweatherprediction |
| first_indexed |
2025-12-07T20:54:17Z |
| last_indexed |
2025-12-07T20:54:17Z |
| _version_ |
1850884340024606720 |