Я должен закончить окончательный проект в курсе интеллектуального анализа данных. Имеет ли смысл, что я хочу предсказать погоду с помощью нейронной сети? Я хочу использовать сегодняшние данные о погоде для прогнозирования событий на следующий день, таких как дождь и гроза. Я боюсь, что учитель скажет, что каждый день мы можем видеть отчет погоды, и это предсказание бесполезно.Нейронная сеть для прогнозирования погоды?
Я не могу сказать о вашем учителе, я просто могу предложить вам способ, как сделать прогноз погоды лучше. Как правило, прогноз погоды производится путем анализа движения облаков, ветров, скорости движения, а затем прогноз вычисляется человеком по некоторому алгоритму. Но если вы хотите сделать некоторые прогнозы с нейронной сетью, вы можете использовать данные на этом веб-сайте: http://www.wunderground.com. И, допустим, вы хотите предсказать погоду в городе А. Погода в этом городе зависит от того, что происходит вокруг этого города (ветер, облачные массы, период года, время суток и т. Д.). Поэтому, чтобы прогнозировать погоду в городе А, вы можете питаться в погоде NN в городах вокруг города A. И больше городов, или даже стран вокруг города. Вы питаетесь в NN, тем больше шансов получить лучший прогноз для вас. И если вы предоставите достаточное количество данных в NN, то больше шансов, что ваш NN превзойдет стандартный отчет о погоде.
Вы можете сделать исследование о том, насколько сложно это может быть, что вы можете сделать, чтобы лучше понять проблему, улучшить ее и предложить дальнейшие исследования. Это то, что обычно ожидается от проекта, подобного вашему.
Я предполагаю, что это не будет проблемой регрессии, а проблемой классификации. Я бы изучил предсказание эффективности выбранных функций, таких как температуры различных временных фрагментов в прошлом, то же самое для количества облаков, типа облаков и т. Д. Если вам нужно больше, просто выходите, смотрите в небо, чувствуете погоду и вдохновляйте себя;)
И попробуйте использовать больше классификаторов, таких как SVM, RBF и опираясь на ваши выводы. Удачи!
Прогнозирование «так же, как и вчера» трудно превзойти, если у вас нет * действительно * хороших данных. Вы? –