Аннотация. В современных условиях беспилотные летательные аппараты (БПЛА) находят широкое применение в таких сферах, как логистика, сельское хозяйство, мониторинг окружающей среды и экстренные службы. Однако их работа существенно зависит от погодных условий, включая скорость ветра, температуру, осадки и атмосферное давление. Непредсказуемость метеорологических факторов создает значительные риски для безопасности и эффективности полетов.
В данной работе предлагается интеллектуальная система прогнозирования погодных условий для планирования полетов БПЛА, основанная на технологиях больших данных и машинного обучения. В рамках исследования рассматриваются современные методы обработки метеорологических данных, включая использование спутниковых снимков, IoT-датчиков и исторических записей. Для прогнозирования ключевых погодных параметров применяются алгоритмы глубокого обучения, такие как Long Short-Term Memory (LSTM) и Convolutional Neural Networks (CNN).
Разработанная система позволяет достигать точности прогнозов до 92%, что способствует сокращению времени планирования полетов на 30% и повышению общей безопасности операций. Интеграция технологии машинного обучения в систему прогнозирования погоды для БПЛА обеспечивает адаптивность и возможность оперативного реагирования на изменения климатических условий. Полученные результаты подчеркивают важность применения технологий искусственного интеллекта и аналитики больших данных в авиации. Работа также предлагает направления для дальнейших исследований, включая учет дополнительных факторов окружающей среды, таких как качество воздуха и солнечная радиация, а также возможную интеграцию с автономными системами управления полетами.

Ключевые слова: большие данные, машинное обучение, прогнозирование погоды, БПЛА, планирование полетов, безопасность полетов, предиктивное моделирование.