Автоматизированное проектирование интерпретируемой модели машинного обучения для оперативного прогнозирования силы ветра на морском побережье : научное издание
Библиографическое описание:Автоматизированное проектирование интерпретируемой модели машинного обучения для оперативного прогнозирования силы ветра на морском побережье : научное издание / П. А. Шерстнев, Е. С. Семенкин, С. А. Митрофанов, Т. Д. Ганчев. - Текст : непосредственный // Моделирование, оптимизация и информационные технологии. - 2025. - Т. 13, № 2. - ISSN 2310-6018, DOI 10.26102/2310-6018/2025.49.2.032.
Аннотация:В статье рассматривается задача проектирования системы оперативного краткосрочного прогнозирования скорости ветра в конкретной точке морского побережья. Предложен автоматизированный подход к проектированию гибридных моделей машинного обучения, объединяющих ансамбль многослойных нейронных сетей и интерпретируемую систему на нечеткой логике. Метод основан на автоматизированном формировании ансамбля нейронных сетей и системы на нечеткой логике с применением самоконфигурируемых эволюционных алгоритмов, что позволяет адаптироваться к особенностям входных данных без ручной настройки. После построения нейросетевого ансамбля формируется отдельная система на нечеткой логике, обучающаяся на его входах и выходах. Такой подход позволяет воспроизвести поведение нейросетевой модели в интерпретируемом виде. На основе экспериментальной проверки на метеорологическом датасете доказана эффективность метода, который обеспечивает баланс между качеством прогноза и интерпретируемостью модели. Показано, что построенная интерпретируемая система воспроизводит ключевые закономерности работы ансамбля нейросетей, оставаясь при этом компактной и понятной для анализа. Построенная модель может быть использована при принятии решений в портовых службах и при организации прибрежных мероприятий для быстрого и простого получения прогноза. Предложенный подход в целом позволяет получать аналогичные модели в различных ситуациях, похожих на рассмотренную.
The article considers the problem of designing a system for operational short-term forecasting of wind speed at a specific point on the coast. An automated approach to designing hybrid machine learning models that combine an ensemble of multilayer neural networks and an interpretable system based on fuzzy logic is proposed. The method is based on the automated formation of an ensemble of neural networks and a system based on fuzzy logic using self-configuring evolutionary algorithms, which allows adapting to the features of the input data without manual tuning. After constructing the neural network ensemble, a separate system based on fuzzy logic is formed, learning from its inputs and outputs. This approach allows reproducing the behavior of the neural network model in an interpretable form. Based on experimental testing on a meteorological dataset, the effectiveness of the method is proven, which ensures a balance between the quality of the forecast and the interpretability of the model. It is shown that the constructed interpretable system reproduces the key patterns of the neural network ensemble, while remaining compact and understandable for analysis. The constructed model can be used in decision-making in port services and in organizing coastal events for quick and easy forecasting. The proposed approach as a whole allows obtaining similar models in various situations similar to the one considered.
