Машинное обучение может быть использовано для прогнозирования того, в каком географическом регионе может произойти заморозок на почве. Прогнозирование погоды для конкретного явления, такого как заморозки, важно для фермеров, садоводов, которым необходимо знать, будет ли вероятный риск для сельскохозяйственных культур, таких как фруктовые деревья и виноград. Кроме того, машинное обучение поможет повысить безопасность дорожного движения, поскольку дорожные службы будут получать более точные прогнозы о вероятности заморозков или гололеда на дорогах, сообщает сайт phys.org 
Лия Дин, Йосуке Тамура, Косуке Ноборио и Кадзуки Сибуя из Университета Мэйдзи в Кавасаки, Япония, исследовали причину и следствие, которые неизбежно приводят к заморозкам, когда данные с датчиков с помощью алгоритмов могут быть проанализированы. Тем самым повышается точность прогноза.
В новой работе ученые представили методы компьютерного моделирования образования инея. Среди этих методов - причинно-следственные и ассоциативные модели. Они также предлагают основу для гибридной системы, которая может обеспечить краткосрочный прогноз заморозков в течение нескольких часов и продемонстрировать, как его можно использовать для более долгосрочного прогноза, например, в течение ближайших нескольких дней.
Существует два типа мороза. Есть замерзшая роса (водяной иней). Это происходит, когда водяной пар из атмосферы конденсируется в виде капелек влаги на поверхности, например растений, когда температура падает ниже точки росы, но выше точки замерзания воды. Однако затем температура на поверхности падает ниже точки замерзания, что приводит к затвердеванию росы.
Второй тип инея - это осадочный иней (белый иней), который образуется, когда температура поверхности изначально ниже нуля, и поэтому вместо того, чтобы конденсироваться на поверхности и впоследствии замерзать, вода из атмосферы затвердевает на поверхности.
Ученые отмечает, что температура воздуха обычно является основным критерием при прогнозировании заморозка. Но пространственное разрешение данных, которые могут быть получены, не всегда точны. Более того, температура - не единственный фактор, влияющий на то, образуется иней или нет. Другие параметры, такие как влажность, скорость и направление ветра, облачность, также оказывают влияние. В конечном счете, независимо от того, произойдет заморозок или нет, можно рассматривать как совокупность факторов. Инструменты машинного обучения способны обрабатывать большой массив данных и с помощью алгоритма находить вероятный ответ на заданный вопрос могли бы предложить более своевременный прогноз.
Новая компьютерная модель может предложить поминутный прогноз морозов с информированием от одного до трех часов, чтобы предупредить всех, кто нуждается в предварительном предупреждении о заморозках.

---