Машинне навчання може допомогти прогнозувати погодні шторми, які призводять до збоїв електропостачання та затримки поїздів

2 листопада 2021 року докторант Роопе Терво (Roope Tervo) захищатиме докторську дисертацію з інформатики, присвячену прогнозуванню погодних умов за допомогою методів машинного навчання з акцентом на передбачення збоїв у подачі електроенергії та затримки потягів.

Вчений працював над дисертацією у співпраці з Фінським метеорологічним інститутом та дослідницькою групою з Big Data професором Алексом Юнгом в Університеті Аалто, повідомляє Techxplore.

Чому це актуально

За період з 2000 по 2019 роки природні катастрофи змінили життя понад 4 мільярди людей та спричинили загибель 1,23 мільйона осіб.

У Фінляндії погані погодні умови, такі як грози, бурі та тривалі снігопади, спричиняють багато збоїв: відключення електроенергії, затримку поїздів тощо.

Метеорологічні служби давно прогнозують погіршення погоди, але не здатні давати настільки чіткі прогнози, як машинне навчання.

Адже machine learning використовує методи пошуку закономірностей в даних та прогнозування на їх основі. Ідеально для передбачення погодних умов.

Що вивчалося в дисертації

У дисертації вивчаються декілька передових методів машинного навчання, таких як random forests, neural networks та Gaussian processes у двох застосунках.

Перший застосунок ідентифікує, відстежує та класифікує штормові об’єкти, використовуючи дані метеорологічного радара та наземних спостережень.

Метод класифікує штормові об’єкти на основі їх потенціалу пошкодити електромережі. Він прогнозує їх рух на декілька годин наперед і надає важливі переваги для операторів електромереж.

Терво також застосував цей метод до масштабних штормів та для часового діапазону на декілька днів наперед, модифікувавши його для роботи з більш грубими даними.

У дисертації також вивчається задача прогнозування затримок потягів через погодні умови завчасно за декілька днів — об’єднуються погодні параметри з даними про затримку потягів. Такі прогнози дадуть можливість операторам залізничних перевезень завчасно підготуватися до важких умов.

На які результати очікують

«Об’єкто-орієнтований підхід — це доведений метод для прогнозування відключення електроенергії, викликаного конвективними штормами, і аналогічний підхід можливий також при масштабних штормах.

Ймовірно, аналогічні підходи можуть бути застосовані до будь-якої іншої області з кількісними взаємодіями, що викликані погодними умовами, якщо є достатньо даних про ці взаємодії» — прийшов до висновку науковець.

Цікавитеся машинним навчанням та наукою даних?

👉 Слідкуйте на DOU за Big Data, Machine Learning, Data Science дайджестом!

👍НравитсяПонравилось1
В избранноеВ избранном1
LinkedIn
Допустимые теги: blockquote, a, pre, code, ul, ol, li, b, i, del.
Ctrl + Enter
Допустимые теги: blockquote, a, pre, code, ul, ol, li, b, i, del.
Ctrl + Enter

Карти таро поза конкуренцією

Подписаться на комментарии