Математичні моделі прогнозування екстремальних

У роботі розглянуто проблему прогнозування екстремальних температурних явищ як одну з ключових складових забезпечення стійкості функціонування сучасних природно-техногенних та соціально-економічних систем в умовах кліматичних змін. Актуальність дослідження зумовлена зростанням частоти та інтенсивності аномально високих і низьких температур, що спричиняють суттєві ризики для енергетичної інфраструктури, транспортних систем, агропромислового комплексу та безпеки населення. З позицій системного аналізу температурні процеси інтерпретуються як складні нестаціонарні стохастичні системи з наявністю рідкісних, але критично значущих екстремумів, що не можуть бути адекватно описані виключно традиційними статистичними або детермінованими моделями. Метою роботи є розроблення та дослідження математичних моделей прогнозування екстремальних температурних явищ, орієнтованих на кількісну оцінку імовірності перевищення критичних температурних порогів і формування науково обґрунтованих сценаріїв мінімізації їх негативних наслідків. У дослідженні застосовано багаторівневий підхід, який поєднує методи теорії екстремальних значень для аналізу хвостів температурних розподілів, класичні часові моделі для відтворення трендів і сезонності, а також нейромережеві алгоритми для моделювання нелінійних залежностей у коротко- та середньостроковій перспективі. Запропоновано гібридні моделі, що інтегрують фізично обґрунтовані параметри температурної динаміки з адаптивними алгоритмами навчання, забезпечуючи підвищення точності та стійкості прогнозів в умовах нестаціонарності. Виконано порівняльний аналіз ефективності різних класів моделей за показниками RMSE та MAE, а також здійснено кількісну оцінку ризику виникнення екстремальних температур у термінах імовірності перевищення заданих порогів і очікуваної частоти таких подій. Показано, що інтеграція результатів прогнозування у контури підтримки прийняття рішень дозволяє перейти від реактивного реагування на наслідки температурних аномалій до превентивного управління кліматичними ризиками. Отримані результати можуть бути використані при розробці інтелектуальних систем моніторингу та раннього попередження, а також у задачах стратегічного планування адаптаційних заходів у різних прикладних сферах.