ДОСЛІДЖЕННЯ ЗАСТОСУВАННЯ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ ДЛЯ ПІДВИЩЕННЯ ТОЧНОСТІ ПРОГНОЗУВАННЯ ТЕМПЕРАТУРИ НАВКОЛИШНЬОГО СЕРЕДОВИЩА

Штучні нейронні мережі стають все більш популярним інструментом у дослідженні та прогнозуванні погодних умов. Використання цих мереж для прогнозування температури навколишнього середовища на короткочасний період має великий потенціал у сферах, де точні та швидкі прогнози є критично важливими. Попередження про погоду вважаються ключовими інформаційними продуктами, оскільки вони допомагають захистити життя та майно від небезпек, пов’язаних з екстремальними погодними умовами. Велике значення має не лише сам факт попередження, а й достовірність та своєчасність отриманої інформації. Метою роботи було збільшення точності прогнозування температури та вибір найбільш ефективної моделі нейронної мережі для вирішення задачі прогнозування температури. Погодні параметри для дослідження були зібрані з кліматичного центру даних та поділені на три набори (навчальний, тестувальний та валідаційний). Було проведено навчання та тестування нейронних мереж. Як перспективний підхід для збільшення точності прогнозу було обрано рекурентну нейронну мережу (RNN) та комбінацію нейронних мереж (згорткової та повнозв’язної). З використанням наборів даних за цими моделями було зроблено прогноз майбутньої температури. Перевірка точності цих прогнозів проводилась за допомогою метрик якості, таких як середня абсолютна похибка (MAE), середня квадратична похибка (MSE), середня абсолютна відсоткова похибка (MAPE). Доведено, що запропоновані моделі мають похибку у 15.46% та 14.22% для прогнозування температури рекурентною нейронною мережею та їх комбінацією. Результати підтверджують, що запропоновані моделі мають потенціал для успішного застосування при прогнозуванні температури.