Научници повец́авају поузданост временске прогнозе помоц́у машинског учења

Иако је предвиђање времена помоћу нумеричких модела прогнозе времена (НВП) достигло зрелост , резултирајуц́е прогнозе су и даље најчешц́е недовољно разнолике. Као такви, алати за калибрацију прогноза су постали популарни. Међу тим алатима, квантилна регресија (QР) је веома конкурентна у погледу флексибилности и предиктивних перформанси. Ипак, дуготрајни проблем QР-а је квантилно укрштање, које у великој мери ограничава интерпретабилност QР-калибрираних