Je dois terminer un projet final dans le cours de data mining. Est-il logique que je veux prédire la météo en utilisant un réseau de neurones? Je veux utiliser les données météorologiques d'aujourd'hui pour prédire l'événement du lendemain, comme les pluies et les orages. J'ai peur que l'enseignant dise que nous pouvons voir le bulletin météo tous les jours et que cette prédiction est inutile.Réseau de neurones pour les prévisions météorologiques?
Je ne peux pas dire à propos de votre professeur, je peux juste vous proposer un moyen de rendre les prévisions météorologiques meilleures. Comme d'habitude la prévision météorologique est faite par l'analyse du mouvement des nuages, les vents, la vitesse du mouvement et ensuite la prévision est calculée par l'humain selon quelque algorithme. Mais si vous voulez faire des prédictions avec un réseau de neurones, vous pouvez utiliser des données sur ce site web: http://www.wunderground.com. Et disons, vous voulez prédire le temps dans la ville A. Le temps dans cette ville dépend de ce qui se passe autour de cette ville (vent, masses de nuages, période de l'année, heure de la journée, etc.). Donc, afin de prédire la météo dans la ville A, vous pouvez nourrir dans NN météo dans les villes autour de la ville A. Et plus de villes, ou même les pays autour de la ville A vous nourrissez dans NN, plus vous avez de chances de mieux recevoir. Et si vous fournissez suffisamment de données dans NN, alors plus de chances, que votre NN surpasse le rapport météo standard.
Vous pouvez faire une étude sur la difficulté, comment pouvez-vous mieux comprendre le problème, l'améliorer et suggérer d'autres études. C'est ce qui est généralement attendu d'un projet comme le vôtre. Je suppose que ce ne sera pas un problème de régression, mais un problème de classification. J'étudierais les performances de prédiction des caractéristiques choisies telles que les températures de différentes tranches de temps dans le passé, la quantité de nuages, le type de nuages, etc. Au cas où vous auriez besoin de plus, sortez, regardez dans le ciel, sentez le temps et inspirez-vous;)
Et essayez d'utiliser plus de classificateurs, tels que SVM, RBF et construisez sur vos conclusions. Bonne chance!
La prédiction "same as hier" est difficile à battre sauf si vous avez * vraiment * de bonnes données. Le faites vous? –