Кліматичні моделі та прогноз температури в Одесі

Анотація

У роботі досліджено застосування методів машинного навчання для регіонального кліматичного моделювання з фокусом на прогнозування температури для міста Одеса, Україна. Надано огляд існуючих підходів до кліматичного моделювання. Ключовим внеском є розробка гібридної прогностичної моделі на основі глибинних нейронних мереж. Модель інтегрує двонаправлені шари Long Short-Term Memory (BiLSTM) з механізмом multi-head attention та враховує сезонну декомпозицію. Для навчання використано історичні кліматичні дані за 50 років. Попередня обробка включала виявлення аномалій, агрегацію до місячного рівня та сезонне кодування. Модель навчено для прогнозування температури повітря на період 2020–2024 років. Оцінку ефективності проводили за метриками: корінь середньоквадратичної похибки (RMSE), середня абсолютна похибка (MAE), середня абсолютна відсоткова похибка (MAPE) та коефіцієнт детермінації (R-квадрат). Результати демонструють здатність моделі ефективно моделювати та прогнозувати регіональну температуру, захоплюючи часові та сезонні закономірності. Середня абсолютна похибка (MAE) прогнозу склала менше двох градусів Цельсія, що вказує на надійність прогнозів для потенційного використання у регіональному кліматичному плануванні.