Машинное обучение давно стало частью сферы прогнозирования погодных условий, в том числе и экстремальных явлений. Однако и здесь существуют «белые пятна»: для предугадывания некоторых феноменов прогностические ИИ-системы до сих пор не разработаны. Это касается и замерзания почвы, от наличия или отсутствия которого зависит агрокультура. Однако ситуация вскоре может измениться благодаря разработке учёных из Университета Кавасаки.
Ранее исследовательская группа предположила, что предопределять приход заморозков в конкретные локации можно посредством внесения данных сенсоров в алгоритм машинного обучения. В своей новой работе в International Journal of Reasoning-based Intelligent Systems специалисты подкрепляют свои тезисы и демонстрируют разработанный ими подход к моделированию формирования наземных заморозков.
Подход предполагает каузальную и ассоциативную модели описания механизмов системы. На этой базе учёные предлагают гибридную модель, способную информировать о приближении почвенных заморозков за несколько часов. Также они показывают, что вскоре моделью можно будет пользоваться для прогнозирования заморозков за несколько дней до их наступления.
В этом контексте очевидны плюсы машинного обучения как прогностической технологии: алгоритмы способны принимать и интерпретировать данные о разных параметрах среды (например, влажности, скорости и направлении ветра, температуре и облачности), а не только об одном из них. Таким образом, предлагаемая японскими разработчиками система сможет своевременно снабжать данными о грядущих заморозках, что без сомнений пойдёт на пользу сельскохозяйственным предприятиям.
Фото: CC0
Это новость от журнала ММ «Машины и механизмы». Не знаете такого? Приглашаем прямо сейчас познакомиться с этим удивительным журналом.