AI اور دنیا کے مشکل مسائل · ارضی اور موسمیاتی سائنس · arXiv · 2026-10-22

قلیل مدتی ایٹماسفیئرک سیئنگ کی پیش گوئی کے لیے احتمالی مشین لرننگ

اصل عنوان: Probabilistic Machine Learning for Short-Term Atmospheric Seeing Forecasting

یہ مطالعہ ان مشین لرننگ ماڈلز کا بینچ مارک کرتا ہے جو دو گھنٹے تک کے لیے ماحولیاتی سینگ (seeing) کی پیشن گوئی کرتے ہیں، جہاں آپٹیکل ٹربیولنس کی تیز تبدیلیاں فلکیاتی مشاہدات اور فری اسپیس آپٹیکل مواصلات کو متاثر کرتی ہیں۔ Maunakea کی چوٹی سے حاصل کردہ سینگ پیمائشوں کے ساتھ گاوشین پروسیسز اور نارملائزنگ فلو پر مبنی FloTS کا قطعی RNN اور LSTM بیس لائنز سے موازنہ کیا گیا۔ ڈیپ لرننگ طریقوں نے معیاری ری کرنٹ نیٹ ورکس سے بہتر کارکردگی دکھائی، جہاں LSTM اور FloTS نے بہترین مجموعی درستگی حاصل کی، اور اگرچہ گاوشین پروسیسز اپنے گاوشین مفروضے کی حدود میں رہے، FloTS نے مسابقتی درستگی کو لچکدار غیر یقینیت کی مقداری پیمائش کے ساتھ ملا کر سب سے زیادہ معلوماتی احتمالی پیشن گوئیاں پیش کیں۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →