Показана возможность и перспективность использования алгоритмов машинного обучения для оценки передаваемой мощности в лазерном атмосферном канале в реальном времени в изменяющихся атмосферных условиях. Экспериментальные данные собирали в течение нескольких месяцев. В качестве алгоритмов машинного обучения был использован метод ближайших соседей, градиентный бустинг и нейронные сети, алгоритмы сравнивали между собой по значениям средней абсолютной ошибки (МАРЕ) и коэффициента детерминации (R~2). Анализ результатов показал хорошую предиктивную способность моделей, интерпретируемость и возможность их использования даже на основе простых метеоизмерений.
展开▼
