Использование Big Data и Data Analytics в интеллектуализации мониторинга и моделирования метеорологических систем

2023

Full text Open access: Gold Metadata (CSL-JSON)
DOI 10.32523/2616-7263-2023-145-4-9-22
Data confidence 70 medium
How this score is calculated

It is built from checkable properties of the record itself: whether the article has a DOI, how many independent sources confirmed its data, whether the required fields are filled in, and how recent the latest confirmation is. Disagreement between sources and a missing identifier lower it. A value of 80 or above means the record was published without further checking; 60 to 79 means it is published at reduced confidence, with a manual check advisable. A record verified by an editor by hand is never pushed below 90 by a recalculation. This scores our data about the article, not the article itself.

Abstract

Основной целью данной работы является системный анализ современного состояния мониторинга (целей, возможностей, технологий) метеорологических данных, в частности, больших данных, аналитики (майнинга) и оперативно-аналитических витрин данных, их информационных срезов (профилей), онтологического представления интеллектуальной поддержки принятия метеорологических решений. Также рассмотрены задачи моделирования с использованием временных рядов в условиях их зашумленности (рассматривается лишь «белый», гауссов шум), консолидации данных и реализации моделей управления данными и процессом метеорологического мониторинга. Исследование использует методы анализа, декомпозиции, ситуационного моделирования, параметрической идентификации, математической статистики, классификации и риск-менеджмента. Основные результаты работы: 1) аналитика мониторинга как системной инфраструктуры «экосистемы» с учетом востребованности информационных объектов (трехуровневой для простоты); 2) модели вычислений, обеспечивающей хранение, анализ и адаптивность данных по предметным потребностям, «на лету»; 3) структурная онтологическая схема представления принятия решения на основе мониторинга, а также соответствующей ей формально-математическая модель. Полученные результаты в практическом мониторинге позволят решать как сложные задачи (на базе Big Data), так и задавать (оценивать) допустимые в мониторинге риски, строить алгоритмы идентификации и программы (планы) безопасного, управляемого мониторинга в условиях плохо определенных, нечетких ситуаций.