Laikapstākļu prognozēšana izmantojot dziļās mašīnmācīšanās paņēmienus

Abstract

Mūsdienu cilvēka dzīvē laikapstākļiem ir liela ietekme. Visvairāk tie ietekmē cilvēkus, kuriem nepieciešams uzturēties vai darboties ārpus telpām. Lauksaimniekiem ir nepieciešams zināt precīzu laikapstākļu prognozi vismaz nedēļu uz priekšu, lai varētu plānot lauku apstrādes darbus. Prognoze sezonu uz priekšu būtu vērtīga, lai varētu prognozēt ražu. Organizatoriem, kas plāno pasākums zem klajas debess, noderētu laikapstākļu prognoze vismaz pāris mēnešus uz priekšu. Dabas katastrofu precīzāka laikapstākļu prognoze varētu spēt pat glābt cilvēku dzīvības. Laikapstākļu prognozi nereti attēlo kā secīgu attēlu virkni, un ir zināms, ka ar dziļās mašīnmācīšanās metodēm var prognozēt video turpinājumu [1]. Darba mērķis ir saprast vai ar dziļās mašīnmācīšanās metodēm var sasniegt un vai pat pārspēt esošās laikapstākļu prognozes precizitāti.

Weather has a large impact on daily human life. Particularly those people who spend a lot of time outdoors. For example, farmers need to have weather forecast at least week ahead to plan task schedule on farmlands. Forecasts for whole season are useful to predict amounts of harvest. In order to prepare for open air festivals planers could use weather forecast at least few months ahead. Moreover, timely prediction of nature disasters could even save many human lives. It is why author has developed an interest in better weather forecasting techniques. We usually see weather forecast as sequence of pictures and according to article [1] action-conditional video prediction is possible. The aim of this work is to understand if is possible to crate and surpass current weather forecasting methods using deep learning technology.