В работе приводятся результаты анализа временных рядов – скоростей и направлений ветра в региональном масштабе с использованием моделей нейронных сетей и задачи классификации на основе данных четырех метеорологических станций, расположенных на территории Республики Дагестан. В качестве исходных данных взяты временные ряды за период 2011-2020гг с частотой измерений 8 раз в сутки. Цель работы заключается в изучении закономерностей во временных рядах на основе результатов машинного обучения в задаче классификации. В рамках поставленной цели решаются задачи: спроектировать модели нейронных сетей для классификации метеорологической станции на основе данных скоростей и направлений ветра (вместе и по отдельности); добиться максимально возможной точности предсказания через настройку глобальных параметров; выполнить серию экспериментов по моделированию и оценить результаты.
В результате выполнения экспериментов получены зависимости точности классификации от размера блока данных, которые позволяют сделать выводе о минимальном размере блока данных во временном ряде, обеспечивающем точности близкие к максимально возможным. Также установлено и показано, что ошибки классификации модели нейронных сетей явно коррелируют с географическим положением метеорологических станций. По распределению ошибок классификации во временном интервале, установлено, что меньше всего ошибок имеется в весенний период, больше всего – в летний. В целом у расположенных на морском побережье метеорологических станций ошибок классификации больше, что говорит о меньшей уникальности ветрового режима в этих районах.
Результаты работы также позволяют сделать общий вывод о том, что нейронные сети могут использоваться не только как инструмент прогноза, распознавания или классификации, но и как инструмент, позволяющий давать аналитическую оценку исходным данным – временным рядам.
The paper presents the analytics results of time series – wind speeds and wind directions on a regional scale using neural network models for the classification task based on data from four meteorological stations located on the territory of the Republic of Dagestan. Time series for the period 2011-2020 were taken as the initial data with a frequency of measurements 8 times a day. The purpose of the work is to study patterns in time series based on the results of machine learning in the classification task. Within the framework of this purpose, the following tasks are being solved: to develop neural network models for the classification of a meteorological station based on data of wind speeds and wind directions (together and separately); to achieve the highest possible prediction accuracy by adjusting the global parameters; to run a series of simulation experiments and evaluate the results.
As a result of the experiments, the dependences of the classification accuracy on the data block size were obtained, which allow us to conclude about the minimum size of the data block in the time series, which provides the accuracy close to the maximum possible. It was also found and shown that classification errors of the neural network model clearly correlate with the geographical location of meteorological stations. According to the distribution of classification errors in the time interval, it was found that the least number of errors is in the spring period, and most of all – in the summer ones. In general, the meteorological stations located on the sea coast have more classification errors, which indicates a lesser uniqueness of the wind dynamics in these regions.
The paper results also allow us to draw a general conclusion that neural networks can be used not only as a forecasting, recognition or classification tool, but also as a tool that allows an analytical assessment of the time series data.