ВИКОРИСТАННЯ МЕТОДІВ АВТОМАТИЧНОГО МАШИННОГО НАВЧАННЯ ДЛЯ ПРОГНОЗУВАННЯ ПРИРОДНИХ ЯВИЩ

Анотація

У статті описані методи автоматичного навчання для прогнозування природних явищ. Автоматизоване машинне навчання, яке також називають автоматизованим ML або AutoML, – це процес автоматизації складних, трудомістких і повторюваних завдань розробки моделей машинного навчання. Методи машинного навчання дозволяють комп’ютерам працювати автономно без явного програмування. Мета роботи полягає в досліджені використання методів автоматичного машиного навчання для прогнозування прородних явищ. Програми машинного навчання отримують нові дані, і вони можуть самостійно навчатися, рости, розвиватися та адаптуватися. Машинне навчання засноване на пошуку складних і неочевидних залежностей в існуючих даних про минулі надзвичайні та ризиковані ситуації. Машинне навчання використовує дані інших землетрусів, стихійних лих або інших різних процесів. Наукова новизна полягає у тому щоб за допомогою машиного навчання спрогнозувати появу стихійного явища. У результаті алгоритм знаходить закономірності, які можуть сигналізувати про наближення катастрофи. За допомогою цього науковці можуть згодом створювати моделі машинного навчання з високою масштабованістю, ефективністю та продуктивністю, зберігаючи при цьому якість моделі. Методолгія базується на алгоритми машинного навчання формуються на основі навчального набору даних для створення моделі. Коли нові вхідні дані вводяться в навчений алгоритм машинного навчання, він використовує розроблену модель для прогнозування. Використання автоматизованого машинного навчання може допомогти ефективно прогнозувати локальні катастрофи та згодом покращити ефективність прогнозування. Алгоритми машинного навчання зазвичай споживають і обробляють дані, щоб вивчати пов’язані шаблони про людей, бізнес-процеси, транзакції, події тощо. Функція системи машинного навчання може бути описовою, тобто система використовує дані, щоб пояснити, що сталося; прогнозний, тобто система використовує дані, щоб передбачити, що станеться; або наказовий, що означає, що система використовуватиме дані, щоб вносити пропозиції щодо того, які дії вжити. Далі ми обговорюємо різні типи даних реального світу, а також деякі категорії алгоритмів машинного навчання. Висновок: як результат цієї статті новий програмний продукт та виконаний аналіз може бути використанним для подальшого інтегрування, аналізу та дослідження.