Μελέτη αξιοπιστίας μοντέλων μετεωρολογικών προβλέψεων βασισμένη στη μηχανική μάθηση

• Κύριος συγγραφέας: Γκιόκας, Ορέστης Αναστάσιος
• Άλλοι συγγραφείς: Gkiokas, Orestis Anastasios
• Γλώσσα: Greek
• Έκδοση: 2020
• Θέματα: Μηχανική μάθηση; Πρόγνωση καιρού; LSTM; Machine learning; Weather forecasting; Regression

Αυτή η εργασία έχει ως θέμα τη χρήση τεχνικών μηχανικής μάθησης με στόχο την βελτίωση της ακρίβειας των δελτίων πρόβλεψης του καιρού. O αρχικός στόχος ήταν η δημιουργία ενός μοντέλου ικανό να προβλέψει με ευστοχία ποιο ανάμεσα από τέσσερα δοθέντα δελτία καιρού θα είναι πιο εύστοχο 24 ώρες μετά την χρονική στιγμή t. Το dataset που χρησιμοποιήθηκε περιείχε προβλέψεις και παρατηρήσεις για τις μεταβλητές της θερμοκρασίας, της υγρασίας, της βροχόπτωσης καθώς και της έντασης αλλά και διεύθυνσης του ανέμου για κάθε ώρα του έτους 2012 στην περιοχή της Αχαΐας. Δοκιμάστηκαν τόσο κλασσικοί αλγόριθμοι ταξινόμησης όσο και διάφορες αρχιτεκτονικές νευρωνικών δικτύων. Λόγω της μειωμένης ευστοχίας των μοντέλων ταξινόμησης που δοκιμάστηκαν, η έρευνα στράφηκε στη συνέχεια σε μεθόδους Regression. Δοκιμάστηκε η δημιουργία ενός νέου δελτίου καιρού μέσω ενός νευρωνικού δικτύου το οποίο θα προέβλεπε την τιμή κάθε μιας εκ των πέντε καιρικών μεταβλητών που περιλαμβάνονται στο dataset για 24 μετά την χρονική στιγμή t. Για τις πειραματικές προβλέψεις Regression χρησιμοποιήθηκαν νευρωνικά δίκτυα αρχιτεκτονικής LSTM. Η μετρική ακρίβειας που χρησιμοποιήθηκε για να τη σύγκριση των καιρικών δελτίων που δίνονταν και των τιμών που παρήγαγε το μοντέλο ήταν το RMSE.