Keywords
quality metric
neural network
weather forecast
frost
How to Cite
Abstract
one of the first steps in developing a mathematical forecasting model is to define the criteria for evaluating and selecting the optimal model from among several candidates. Since modelling objectives can vary, the choice of evaluation method must align with the specific goal of the study. The accuracy and usefulness of the final result depend heavily on how the model is assessed. In this study, we developed a procedure for evaluating and selecting a model to forecast the end of the frost period in the spring–summer season.
References
Hossin M., Sulaiman M. N. A Review on Evaluation Metrics for Data Classification Evaluations. International Journal of Data Mining & Knowledge Management Process. 2015;5(2):1–11. DOI: 10.5121/ijdkp.2015.5201.
Huang C. et al. Performance Metrics for the Comparative Analysis of Clinical Risk Prediction Models Employing Machine Learning. Circulation: Cardiovascular Quality and Outcomes. 2021;14(10):1076– 1086. DOI: 10.1161/CIRCOUTCOMES.120.007526.
Vujović Ž. et al. Classification Model Evaluation Metrics. International Journal of Advanced Computer Science and Applications. 2021;12(6):599–606.
Архипов В. А. Сравнительный анализ метрик качества для моделей бинарной классификации на примере кредитного скоринга. Вестник Алтайской академии экономики и права. 2019;9(2):12–15. EDN: CFZQDC.
Hicks S. A. et al. On Evaluation Metrics for Medical Applications of Artificial Intelligence. Scientific Reports. 2022;12(1):5979. DOI: 10.1038/s41598-022-09954-8.
Owusu-Adjei M. et al. Imbalanced Class Distribution and Performance Evaluation Metrics: A Systematic Review of Prediction Accuracy for Determining Model Performance in Healthcare Systems. PLOS Digital Health. 2023;2(11):E0000290. DOI: 10.1371/journal.pdig.0000290.
Солозобов В. А. Поиск оптимальной регрессионной модели, предсказывающей завершение периода возвратных весенних заморозков. Наука и инновации XXI века : материалы X Всероссийской конференции молодых ученых. Сургут, 15 декабря 2023 года. В 3 ч. 2024;1:98–102. EDN: BHSRWN.
Солозобов В. А. Исследование возможности использования нейронных сетей для предсказания возвратных весенних заморозков, и поиск оптимального набора данных для этого вида прогнозирования. Наука и инновации XXI века : сборник статей по материалам IX Всероссийской конференции молодых ученых. В 4 томах. Сургут, 02 ноября 2022 года. 2023;1:150–155. EDN: ZXQFJS.
Архив метеоданных. Режим доступа: https://rp5.ru/.