В работе обсуждается использование методов машинного обучения в задаче оценки экстремально низких температур в приземном слое воздуха в зимнее время по данным спутниковых наблюдений в СВЧ диапазоне. Информационной базой послужили результаты алгоритма MIRS v3.0, данные прогностической модели GFS, а также наблюдения сети метеостанций расположенных на территории Западной Сибири. Обучение моделей выполнялось на данных для зимнего периода 2022-2023 гг. Установленно, что лучшие результаты показывают модели, обученные с использованием методов градиентный бустинг и случайный лес. Коэффициенты корреляции равны - 0.93 и 0.95, а СКО - 2.5 и 2.1 С.
Файл презентации: | Мордвин Е.Ю., Волков Н.В., Лагутин А.А. (1).pdf |