Точные и своевременные прогнозы тумана необходимы для поддержки принятия решений в отношении различных видов деятельности, на которые критически влияют условия плохой видимости. Влияние тумана на общество значительно возросло в последние десятилетия из-за увеличения воздушного, морского и дорожного движения, а также появления солнечной энергии в качестве источника возобновляемой энергии. Фактически финансовые затраты, связанные с туманом, стали сопоставимы с потерями от других погодных явлений, таких как штормы. Низкий уровень видимости в тумане приводит к задержкам авиаперевозок, опасной навигации на перегруженных водных путях и в портах и небезопасным условиям движения на дорогах. В последнее время информация о тумане требуется для производства солнечной энергии и автономного вождения. Поэтому усовершенствованные системы поддержки принятия решений, адаптированные к широкому спектру действий, на которые влияет туман, необходимы как никогда. В основе таких систем лежат усовершенствованные методы прогнозирования текущей погоды (от минут до часов) и прогнозирования (от часов до дней) возникновения, интенсивности и рассеивания тумана. Дальнейшее совершенствование моделей численного прогнозирования погоды, новые платформы наблюдения и сети наблюдения, а также расширенные возможности анализа, предлагаемые алгоритмами искусственного интеллекта и машинного обучения, — всё это представляет собой потенциальные источники улучшения прогнозов тумана следующего поколения. Каждый из этих подходов предлагает возможности, но они также имеют свои ограничения в предоставлении прогнозов с добавленной стоимостью для лиц, принимающих решения. Одним из аспектов, представляющих серьёзную проблему и требующих дальнейшего внимания, является возможность предоставления чёткой и надёжной информации о неопределённости прогноза. В этом обзоре обсуждаются некоторые аспекты этих возможностей и проблем. В нём, в частности, представлен обзор последних достижений в разработке систем поддержки принятия решений и связанных с ними компонентов для прогнозирования и прогнозирования текущей погоды в условиях тумана. В материалах подчёркивается использование различных подходов (например, методов, основанных на данных, моделей численного прогнозирования погоды и систем ансамблевого прогнозирования, алгоритмов искусственного интеллекта и машинного обучения), используемых по отдельности или в комбинации (т.е. при смешивании информации из разных источников) для создания улучшенного предсказания тумана.

 

Ссылка: https://www.mdpi.com/2073-4433/14/8/1314