Prévisions météorologiques utilisant l'apprentissage automatique

La prévision météorologique est une tâche essentielle dans la science du climat et la planification sociétale, affectant des industries telles que l'agriculture, le transport et la gestion des catastrophes. Les méthodes de prévision traditionnelles ont souvent du mal à fournir des prédictions précises en raison de la complexité et de la nature dynamique des systèmes météorologiques. Ce document propose une approche d'apprentissage automatique pour prévoir la température et l'humidité en utilisant des données météorologiques historiques. La régression linéaire et un modèle d'apprentissage profond implémenté via PyTorch ont été entraînés pour reconnaître des schémas complexes dans des données multivariées. Les modèles ont été évalués pour leur précision, l'erreur quadratique moyenne et leur généralisation. Un déploiement basé sur Flask démontre la capacité du modèle à faire des prévisions en temps réel. Les résultats indiquent que l'apprentissage automatique peut améliorer considérablement la précision des modèles de prévision météorologique à court terme lorsqu'ils sont entraînés sur des données historiques suffisantes et pertinentes.