Gadījuma meža algoritma pielietojums vēja radīto kļūdu identificēšanai meteroloģiskajos novērojumos

Abstract

Šajā darbā tiek pētīta vēja ietekme uz nokrišņu daudzuma mērījumu precizitāti, kā arī izvērtēta gadījumu meža algoritma pielietojamība kļūdainu novērojumu automātiskai identificēšanai. Ir analizēti Latvijas Vides, ģeoloģijas un meteoroloģijas centra pieejamie dati no 2024. un 2025. gada, tostarp vēja ātrums, nokrišņu daudzums un atmosfēras parādības. Vispirms tika veikta korelāciju analīze, lai noteiktu informatīvākos parametrus. Pēc tam tika izveidots klasifikācijas modelis, izmantojot gadījumu meža algoritmu. Tas tika apmācīts ar līdzsvarotu datu izlasi, kurā iekļauti gan korekti, gan ekspertu identificēti kļūdaini novērojumi. Darba rezultāti apstiprina, ka gadījumu meža algoritms ir efektīvs rīks meteoroloģisko datu kvalitātes uzlabošanai un var tikt integrēts datu kvalitātes kontrolē.

This study explores the impact of wind on precipitation measurement accuracy and evaluates the use of a random forest algorithm for automatic detection of erroneous observations. Data from the Latvian Environment, Geology and Meteorology Centre collected in 2024 and 2025 were analyzed, including wind speed, precipitation amounts, and atmospheric phenomena. A corre- lation analysis was conducted to identify key parameters. A classification model was developed using the random forest algorithm. The model was trained on a balanced dataset consisting of both correct and expert-labeled erroneous observations. The results show that the random forest algorithm is an effective tool for improving meteorological data quality and can be integrated into data quality control processes.