Машинное обучение поможет предсказать заморозки
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
Технологии
Антон Тальский
Антенны на тонких плёнках обеспечат аппараты наилучшей беспроводной связью
Иглистые мыши способны регенерировать внутренние органы
