วิธีเรียนรู้ของเครื่องสามารถปรับปรุงการทำนายเกี่ยวกับสภาพแวดล้อม

ภาพจาก University of Minnesota News and Events

กระบวนการใหม่หรือเทคนิคการเรียนรู้ของเครื่องแบบใช้ความรู้นำ ( knowledge-guided machine learning) สามารถทำนายการไหลและอุณหภูมิในเครือข่ายแม่น้ำได้อย่างแม่นยำแม้จะมีข้อมูลน้อย จากการวิจัยของนักวิจัยจาก  University of Minnesota, University of Pittsburgh (Pitt), และ  U.S. Geological Survey งานนี้เกี่ยวข้องกับอัลกอริธึมที่ถูกสอนกฎทางกายภาพเพื่อให้สร้างการคาดการณ์ที่แม่นยำยิ่งขึ้น และระบุความสัมพันธ์ที่สำคัญทางกายภาพระหว่างข้อมูลเข้าและผลลัพธ์ วิธีการนี้ได้รับการออกแบบเพื่อหลีกเลี่ยงกับดักทั่วไปในการทำนายด้วยการเรียนรู้ของเครื่อง โดยให้ข้อมูลตัวแบบผ่านความสัมพันธ์ระหว่างเวลา การเชื่อมโยงเชิงพื้นที่ระหว่างลำธารและสมการงบประมาณด้านพลังงาน (energy budget equation) Xiaowei Jia จาก Pitt กล่าวว่า "การทำนายอุณหภูมิของน้ำและกระแสน้ำที่แม่นยำ สามารถช่วยการตัดสินใจสำหรับผู้จัดการทรัพยากร เช่น ช่วยให้พวกเขากำหนดเวลาและปริมาณน้ำที่จะปล่อยจากแหล่งกักเก็บไปยังแม่น้ำ"

อ่านข่าวเต็มได้ที่: University of Minnesota News and Events