Mechanizmy Machine Learningu do prognozowania waruna

[Robert Grubba]

W chwili obecnej prognozy działają wg współczynników ustalonych ręcznie bazując na źródłach pisanych i mówionych dot konkretnych miejsc.

Mając odpowiednią liczbę logów z danego miejsca, można wykorzystać historyczne zapisy prognoz do trenowania modelów ML i wykorzystać je do analizowania kolejnych prognoz i na bazie tego szacować przyszły warun pod kątem możliwego nalotu i/lub wyniku XC.

TODO:

• przygtowanie bazy i mikroserwisu obsługującego zbieranie i analizę danych
• gromadzenie danych dot historycznych lotnych dni (in progress)
• wybranie modelu Machine Learning do prognozowania wyników w dniach z przyszłymi prognozami
• zbadanie jak duża baza lotnych dni z danego miejsca zapewni w miarę sensowny wynik
• testy mechanizmu dla najpopularniejszych miejscówek
• zintegrowanie mechanizmów z Leonardo i udostępnienie go użytkownikom

Zaletą wdrożenia takiego rozwiązania będzie fakt, że nawet nie wiedząc jakie są optymalne parametry prognoz dla danego startowiska przy odpowiedniej liczbie wgranych logów będzie można z dość dużym prawdopodobieństwem ocenić lotność przyszłych dni. Fajnie byłoby gdyby użytkownicy wgrywali także logi z krótkich zlotów w "słabe dni", powinno to zwiększyć precyzję szacunków.