Создан заказ №4179505
2 сентября 2019
Прогнозирование погоды с помощью машинного обучения
Как заказчик описал требования к работе:
В первой части курсовой нужно написать теорию. Во второй части нужно произвести сравнительный анализ разных методов машинного обучения при прогнозирования погоды. Язык - python. Объём - 20- 25 страниц
Фрагмент выполненной работы:
Введение
Глобальное потепление как результат постоянного антропогенного влияния на атмосферу, приводит к росту интенсивности конвективных процессов. Увеличение температуры и увеличение влажности воздуха – два факта, которые в совокупности приводят к интенсификации активной конвекции в атмосфере, что в свою очередь, влечет за собой увеличение числа сильных ливней, рост грозовой активности (больше молний – рост риска возникновения лесных пожаров), рост числа воздушных смерчей и увеличение вероятности возникновения других конвективных явлений, которые оказывают огромное разрушающее воздействие. (работа была выполнена специалистами author24.ru)
Поэтому проблема своевременного предсказания конвективных явлений – одно из наиболее актуальных и практически значимых направлений исследований. Предсказание метеорологических процессов является сложной задачей на протяжении всей истории человечества. Проблемы точности предсказания связаны с тем, что система атмосферы Земли очень сложная и динамичная.
Прогнозы погоды рассчитываются на основе метеорологических данных, собираемых сетью метеостанций, радиозондами, радиолокаторами и спутниками по всему миру. Данные поступают в метеорологические центры, где их вносят в прогностические модели и производят расчет состояния атмосферы.
Прогностические модели основаны на физических законах. Каждая прогностическая модель работает по крайне сложным алгоритмам, в которых заложены известные законы поведения атмосферы. Осадкообразование определяется физическими процессами, протекающими в облаке, а именно физикой взаимодействия капель воды, частиц льда и водяного пара.
Изменчивая специфика конвективных облаков, обусловленная большими вертикальными скоростями в пределах облака и его окрестностей, а также невозможность проведения контрольных экспериментов приводят к тому, что наибольшим успехом пользуется компьютерное исследование, которое позволяет, не прибегая к дорогостоящим натурным экспериментам, провести анализ развития облака. В основе компьютерного исследования лежит численное моделирование. Построение компьютерной модели состоит из двух этапов: первый – создание качественной модели, второй – создание количественной модели.
Создание качественной модели облака подразумевает формализацию физических процессов протекающих в нем и позволяет выявить значимые свойства. В результате построения количественной модели, для каждого из этих свойств устанавливаются шкалы измерений и эталоны, что дает возможность охарактеризовать свойства численно.
В результате компьютерного моделирования на выходе имеется набор данных, который необходимо проанализировать с целью построения прогноза температуры, осадков, динамики воздушных масс и прочих атмосферных явлений. Методы машинного обучения позволяют автоматизировать процесс построения прогноза. Применение методов машинного обучения заключается в проведении серии вычислительных экспериментов, с целью анализа, интерпретации и сопоставления результатов моделирования с реальным поведением изучаемого объекта и, при необходимости, последующем уточнении входных параметров.
Методы машинного обучения осуществляют концепцию интеллектуального анализа данных. Данная концепция заключается в работе с большими объемами данных и выявлении на их основе различных взаимосвязей и закономерностей – восстановлении зависимостей по эмпирическим данным. Однако данные могут быть неточными, разнородными, противоречивыми, содержать пропуски, что приводит к неверному прогнозированию. Поэтому важным этапом является выявление среди данных наиболее значимых признаков.
Интеллектуальной составляющей методов машинного обучения является способность обучаться по «прецедентам» (на основе тестовой выборки), то есть делать выводы на основе набора частных наблюдений.
Таким образом, можно сказать, что алгоритм, построенный с использованием численной модели и дальнейшей автоматизацией построения прогноза с помощью методов машинного обучения – совместно использует как статистические, так и физические данные.Посмотреть предложения по расчету стоимости
Заказчик
заплатил
заплатил
500 ₽
Заказчик не использовал рассрочку
Гарантия сервиса
Автор24
Автор24
20 дней
Заказчик воспользовался гарантией, чтобы исполнитель повысил уникальность работы
5 сентября 2019
Заказ завершен, заказчик получил финальный файл с работой
5
Прогнозирование погоды с помощью машинного обучения.docx
2020-05-04 19:10
Последний отзыв студента о бирже Автор24
Общая оценка
4
Положительно
Замечательный автор. Быстро, качественно в срок. Отражена вся необходимая информация что я хотел в курсовой работе.
Хочешь такую же работу?
300 ₽
