УДК
5.5.1.5.0.9.3.2 + 004.4
РАЗРАБОТКА УТИЛИТЫ АНАЛИЗА ПРОГНОЗОВ ПОГОДЫ ОТ НЕСКОЛЬКИХ ИСТОЧНИКОВ
И.В.Зелинко*, студент гр.525а
Национальный аэрокосмический университет им. Н.Е. Жуковского «ХАИ»
Сложная современная техника и коммуникации весьма чувствительны к неблагоприятной погоде. Погода оказывает значительное влияние на деятельность морского флота, авиации и сельского хозяйства. Предупреждение о возникновении опасного явления позволяет принять меры по сохранению жизни людей и предотвращению ущерба.
Данные о погоде из разных источников расходятся. Синоптики признают: прогноз на сутки оправдывается в среднем на 95%, а на месяц – в лучшем случае на 70%. Таким образом, вопросы повышения точности прогнозов являются актуальными.
В работе проведен детальный анализ источников информации о прогнозах погоды, предоставляемых популярными веб-сайтами. Несмотря на огромный выбор интернет-сайтов о погоде, лишь немногие из них используют собственные прогнозы. Например, Яндекс и Рамблер получают информацию с сайта финской компании Foreca, британская BBC и российская rp5 пользуются данными британского метеорологического бюро MetOffice.
Проведенный анализ также показал, что на сегодняшний день метеорологические данные обрабатываются тремя основными способами на основе нелинейных уравнений. Для метеослужб различных стран и коммерческих организаций владельцы таких гидродинамических моделей предоставляют доступ только к конечным результатам расчетов.Погодные сервисы могут использовать свои алгоритмы интерполяции и представления расчетных данных модели. Таким образом, различия в прогнозах погоды возникают даже там, где за основу берут одну и ту же модель.
В данной работе предлагается решить вопросы повышения точности прогнозов путем анализа данных от различных сервисов, предоставляющих данные о прогнозе погоды.
Для повышения точности прогноза в данной работе решены следующие задачи: 1) проведен анализ более 10 источников информации о погоде; 2)разработана архитектура приложения; 3) разработан и апробирован прототип.
Дальнейшим направлением работы связаны с более детальной проработкой алгоритмов анализа данных, анализом большего количества данных (разные города, периоды, сервисы).
*Научный руководитель – ст. преподаватель Е.В. Бабешко.