Метод машинного обучения для анализа данных исследований миллиметрового астроклимата

Abstract

В работе представлен метод оценки осаждаемого водяного пара по данным радиометра водяного пара с использованием методов машинного обучения. Проведен сравнительный анализ оценки осаждаемого водяного пара для обсерватории «Бадары» по данным GNSS, радиометра водяного пара и прогнозирования значений с использованием искусственной нейронной сети.

The paper introduces a method for estimating precipitable water vapor using radiometer data with the help of machine learning techniques. A comparative analysis of the estimation of precipitable water vapor for the ”Badary” observatory has been conducted using GNSS data, radiometer data, and forecasted values through the utilization of an artificial neural network.