3- نقش اینترنت اشیا در پیش بینی وضعیت اب و هوا را بیان کنید

[khakpour]

علاوه بر این، کارشناسان هواشناسی نظر و تجربه متخصصان را به خروجی مدل‌ها اضافه می‌کنند؛ بنابراین، خانم مادوکومار به جای هدر دادن وقت و منابع پژوهشی، به دنبال راهی برای تعیین بهترین پیش‌بینی این مدل‌ها در هفته منتهی به روز مورد نظر بود.

وی توضیح می‌دهد که: «ممکن است تصور کنید که نزدیکترین پیش‌بینی به روز مورد نظر دقیق‌ترین پیش‌بینی خواهد بود، اما اینطور نیست. لذا، به دنبال راهی برای آموزش شبکه عصبی مصنوعی خود بودیم تا روابط بین داده‌ها را بفهمد و بهترین پیش‌بینی را انتخاب کند».

خانم مادوکومار یک مدل یادگیری آب‌وهوایی ترکیبی (HCLM) ایجاد کرده است. این مدل داده‌های دیگر مدل‌های آب‌وهوایی را با پاسخ نهایی به این سوال که «آیا فردا قرار است باران ببارد»، ترکیب می‌کند.

در این سیستم، ابتدا، یک شبکه مبتنی بر احتمال پیش‌بینی‌های متعدد الگوهای مختلف بارندگی را ارزیابی می‌کند. سپس یک شبکه عصبی یادگیری عمیق، این پیش‌بینی‌ها را مجدداً پردازش کرده و پیش‌بینی دقیق‌تری برای روز بعد ارائه می‌کند.

پروفسور وی شیانگ می‌گوید: «تاکنون از روش ترکیبِ تقطیرِ دانشِ مدل‌های آب‌وهوایی و به کارگیری شبکه یادگیری عمیق برای اصلاح پیش‌بینی‌ها استفاده نشده بود. استفاده از داده‌های با کیفیت و پردازش شده‌ی اداره هواشناسی، به جای مشاهدات خام، به یادگیری بهتر HCLM کمک کرده است».