Проект посвящен долгосрочным месячным ориентированным прогнозам. В ядре модели лежит авторская методика, заключающаяся в мультинейросетевом подходе к прогнозированию. Результаты сравнения навыков прогнозирования в сравнении с известными гидродинамическими и статистическим моделями, а так же современными нейросетевыми моделями глубокого обучения, на примере заблаговременного определения явлений Эль-Ниньо и Ла-Нинья показали заметное преимущество нашего продукта. За 10 лет работы сфера применения модели существенно выросла от банальных среднемесячных метеорологических характеристик до прогнозов уникальных индексов, характеризующих комфортность курортов, пожароопасность, урожайность плодовых культур, потенциальную водность водохранилищ и др..
Прогнозы модели исключительно месячноориентированные, то есть представляют собой некую месячную характеристику или индекс, однако достаточно высокая заблаговременность прогноза, достигающая 9 месяцев, позволяет предупредить возможные риски, связанные с климатическими условиями, что позволяет несколько уменьшить экономический вред от природных явлений.
Модель полностью апробирована, а результаты апробации приводятся во многочисленных научных публикациях. Список наиболее важных работ приведен ниже.
Публикации в наукометрических базах данных Web of Science и SCOPUS, в том числе, входящие в RSCI
Лубков А.С., Воскресенская Е.Н., Сухонос О.Ю. Прогноз выпадения осадков в районе Ай-Петри на основе модели искусственной нейронной сети // Водные ресурсы, 2022. Том 49. № 4. C. 517–526. doi: 10.31857/S0321059622040137 / Lubkov A.S., Voskresenskaya E.N., Sukhonos O. Yu. Forecast of Precipitation in Ai-Petri Area Based on Artificial Neuron Network Model // Water resources. 2022. V. 49(4). P 671–679. doi: 10.1134/S0097807822040133
Maslova, V.N., Voskresenskaya, E.N., Lubkov, A.S., Yurovsky, A.V. Temporal Variability and Predictability of Intense Cyclones in the Western and Eastern Mediterranean. Atmosphere 2021. 12. 1218. doi: 10.3390/atmos12091218
Лубков А.С., Воскресенская Е.Н., Марчукова О.В. Применение нейронных сетей для модельного прогноза Эль-Ниньо и Ла-Нинья, включая их типы // Метеорология и гидрология. 2020. №11 С. 111–121 / Lubkov, A.S., Voskresenskaya, E.N. & Marchukova, O.V. Forecasting El Niño/La Niña and Their Types Using Neural Networks. Russ. Meteorol. Hydrol. 45, 806–813 (2020). doi: 10.3103/S1068373920110084
Maslova V.N., Voskresenskaya E.N., Lubkov A.S., Yurovsky A.V., Zhuravskiy V.Y., Evstigneev V.P. Intense Cyclones in the Black Sea Region: Change, Variability, Predictability and Manifestations in the Storm Activity // Sustainability. 2020. V. 12 (11). 4468 doi:10.3390/su12114468
Lubkov A.S., Voskresenskaya E.N., Marchukova O.V. Application of a neural network model to forecasting of El Niño and La Niña // IOP Conf. Ser.: Earth Environ. Sci., 2019, V.386, 012040. doi:10.1088/1755-1315/386/1/012040
Лубков А.С., Воскресенская Е.Н., Марчукова О.В. Прогнозирование индекса Южного колебания // Вестник Санкт-Петербургского университета. Науки о земле: СПбГУ, 2017. – №4(62). С.: 370 – 388. doi:10.21638/11701/spbu07.2017.404 // Lubkov A.S., Voskresenskaya E.N., Marchukova O.V. Forecasting Of The Southern Oscillation Index // Vestnik Of Saint Petersburg University. Earth Sciences, 2017. V.62(4). P. 370-388 DOI10.21638/11701/spbu07.2017.404
Лубков А.С., Воскресенская Е.Н., Кукушкин А.С. Метод восстановления среднемесячных значений прозрачности воды на примере северо-западной части Черного моря. // Оптика атмосферы и океана. 2016. Т. 29. № 04. С. 343–350. / Lubkov A.S., Voskresenskaya E.N., Kukushkin A.S. Method for reconstructing the monthly mean water transparencies for the northwestern part of the Black Sea as an example // Atmos Ocean Opt (2016) 29: 457–464. doi:10.1134/S1024856016050092
Первая публикация с используемым в проекте методом (2013 год)
Лубков А.С., Воскресенская Е.Н., Кукушкин А.С. Восстановление климатических данных гидрооптических характеристик на основе моделирования // Системы контроля окружающей среды. Севастополь: МГИ НАНУ, 2013. № 19. 162–165.
