Открыть список
Как стать автором
Обновить

Комментарии 4

Тем не менее, компания выпустила этот симпатичный маленький .gif

А не получится, как с обучением нейросетей на предсказание цен на нефть, и другие графики колебаний?
Ну то есть учить алгоритм на исторических данных графика, и это алгоритм выдает 99% попадание ответа на исторических данных, но на реальных (скажи что будет в ближайшем будущем) ошибается только в путь.

На биржах топчется множество крупных игроков, желающих выгрести себе самые выгодные ордера и постоянно совершенствующие свои алгоритмы предсказаний, тем самым меняя сами законы поведения рынка. С ветром таких проблем (пока) нет.
Да и цена ошибки не так высока, не угадал — «ну простите, бывает, покупайте энергию у соседней ГЭС».
В DeepMind работает достаточно сильная команда, поэтому удивляет, что их прогноз оказался не совсем удачным (судя по графику). Вообще, задача прогноза событий на несколько шагов вперед на основе совокупности динамических рядов является актуальной уже много лет. Для обычных климатических показателей (температура, влажность, …) работать проще, чем с ветром (направление, скорость, …). «Порывистый» характер ветра требует иного подхода в постановке задачи. Было бы интересно «потрогать» эти данные, если бы они были в публичном доступе.
>разработанные DeepMind, были обучены на исторических данных о погоде и годовой мощности ветра

В данном случае это бы не помогло — там пол страны обновило температурные рекорды, а остальные вплотную приблизились к рекордам середины 70х. Экстраординарные события обучением не отловишь. А не экстраординарные и так очень хорошо предсказывают, см. например предсказания на неделю и на день вперед немецких энергосистем (солнце/ветер/цены электричества)
Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.