"A rövid (3-24 órás) és ultrarövid (0-3 órás) időtávú előrejelzések
készítése a meteorológia egyik legfontosabb területének számít. Ide
tartozik általában az időjárási riasztások rendszere, valamint számos
repülés- és közlekedésmeteorológiai alkalmazás. Néhány órás időtávon
az előrejelzések felhasználói nagy tér- és időbeli pontosságot várnak
el, amire gyakran kritikus döntéseket alapoznak. Egy konkrét pontban
az esemény pontos lefolyását azonban olyan lokális hatások is
meghatározzák, amelyekről a numerikus időjárás-előrejelző modellek nem
rendelkeznek adattal, vagy felbontásuk miatt nem képesek azokat
figyelembe venni.
A modern adattudomány fejlődésével új lehetőségek állnak rendelkezésre
a finom tér- és időskálájú folyamatok statisztikai alapú prognózisára
egy mérési adatokkal jól ellátott pontra vonatkozóan. Az előrejelzést
az aktuális megfigyelések, a korábbi hasonló helyzetek, valamint a
folyamatot meghatározó külső faktorok alapján végezhetjük el
nemlineáris statisztikai kapcsolatot feltáró módszerek (gépi tanulás)
segítségével. Az elmúlt néhány évben jelentek meg a meteorológiai
szakirodalomban azok a tanulmányok, amelyek a mély tanulás és az LSTM
(long short-term memory) hálózatok révén a korábbinál nagyobb
pontosságot értek el ultrarövidtávú előrejelzésekben. A kutatás célja
a fenti, illetve hagyományos gépi tanuláson alapuló módszerek
alkalmazása a Magyarországon nagy jelentőséggel bíró téli időjárási
helyzetekben (téli inverziós helyzetek) az időjárás és légszennyezettség rövid és
ultrarövid időtávú előrejelzésére."
előírt nyelvtudás: angol további elvárások: "időjárás-előrejelzés, statisztika és programozás terén szerzett ismeretek;
önálló tanulásra való készség"
Bejelentkezés
