Using methods of machine learning for forecasting dangerous convective phenomena with the help of the numerical model of convective cloud

Abstract

В данной работе используется система для организации входных данных для моделей конвективных облаков. Она используется для получения метеорологических данных о состоянии атмосферы в месте и в то время, когда наблюдалось опасное конвективное явление. Аналогичный объем данных о состоянии атмосферы был собран и в тех случаях, когда опасное конвективное явление не наблюдалось. Представлен выбор значимых для прогноза опасного конвективного явления численных параметров облака с помощью рекурсивного алгоритма устранения с функциями перекрестной проверки. Использованы три метода машинного обучения: метод опорных векторов, логистическая регрессия и Гребневая Регрессия для принятия решения о том, будет ли происходить опасное конвективное явление или нет по результатам работы численной модели конвективного облака. Также оценена точность указанных методов.

In this paper information system for organization of the input data for the models of convective clouds is used. In the present work we use the information system for obtaining statistically significant amount of meteorological data about the state of the atmosphere in the place and in the time when dangerous convective phenomena are recorded. Corresponding amount of information has been collected about the state of the atmosphere in cases when no dangerous convective phenomena have been observed. Feature selection for thunderstorm forecasting based on Recursive feature elimination with cross-validation algorithm is provided. Three methods of machine learning: Support Vector Machine, Logistic Regression and Ridge Regression are used for making the decision on whether or not a dangerous convective phenomenon occurs at present atmospheric conditions.