Weather forecasting is critical to

Weather forecasting is critical to both the Space Transportation System (STS) ground operations and the launch/landing activities at NASA Kennedy Space Center (KSC). The current launch frequency places significant demands on the USAF weather forecasters at the Cape Canaveral Forecasting Facility (CCFF), who currently provide the weather forecasting for all STS operations. As launch frequency increases, KSC's weather forecasting problems will be great magnified. The single most important problem is the shortage of highly skilled forecasting personnel. The development of forecasting expertise is difficult and requires several years of experience. Frequent personnel changes within the forecasting staff jeopardize the accumulation and retention of experience-based weather forecasting expertise. The primary purpose of this project was to assess the feasibility of using Artificial Intelligence (AI) techniques to ameliorate this shortage of experts by capturing aria incorporating the forecasting knowledge of current expert forecasters into a Weather Forecasting Expert System (WFES) which would then be made available to less experienced duty forecasters.

ผลลัพธ์ (ไทย) 1:

พยากรณ์อากาศมีความสำคัญต่อดินพื้นที่ขนส่งระบบพัฒนาการดำเนินงานและเปิดใช้งาน/จอดกิจกรรมในอวกาศ NASA เคนเนดี้ในศูนย์ (KSC) ความถี่ในการเปิดใช้งานปัจจุบันความต้องการอย่างมีนัยสำคัญในที่กองทัพอากาศนของนักพยากรณ์ในที่แหลมคานาเวอรัลคาดการณ์สินเชื่อ (CCFF), ที่อยู่ให้การพยากรณ์การดำเนินงาน STS เป็นเปิดความถี่เพิ่มขึ้น การคาดการณ์ปัญหาจะดีอากาศของ KSC ขยาย ปัญหาสำคัญหนึ่งขาดแคลนบุคลากรมีทักษะสูงคาดการณ์ได้ การพัฒนาของการคาดการณ์ความเชี่ยวชาญเป็นเรื่องยาก และต้องใช้เวลาหลายปีของประสบการณ์ การเปลี่ยนแปลงบุคลากรบ่อยภายในพนักงานคาดการณ์ jeopardize สะสมและการเก็บรักษาความเชี่ยวชาญประสบการณ์การพยากรณ์ วัตถุประสงค์หลักของโครงการนี้คือการ ประเมินความเป็นไปได้ของการใช้ปัญญาประดิษฐ์ (AI) เทคนิคการ ameliorate นี้ขาดแคลนผู้เชี่ยวชาญ โดยจับอาเพจความรู้นของนักพยากรณ์ที่เชี่ยวชาญปัจจุบันในการคาดการณ์ในการพยากรณ์อากาศระบบผู้เชี่ยวชาญ (WFES) ซึ่งจากนั้นจะทำการว่างเพื่อนของนักพยากรณ์ในหน้าที่ที่มีประสบการณ์น้อย

ผลลัพธ์ (ไทย) 2:

พยากรณ์สภาพอากาศมีความสำคัญต่อทั้งระบบขนส่งอวกาศ (STS) การดำเนินงานภาคพื้นดินและการเปิดตัวกิจกรรม / เชื่อมโยงไปถึงที่นาซาศูนย์อวกาศเคนเน (เคเอสซี) ความถี่ในการเปิดตัวในปัจจุบันความต้องการของสถ​​านที่สำคัญใน USAF พยาก​​รณ์อากาศที่คาดการณ์สิ่งอำนวยความสะดวก Cape Canaveral (CCFF) ซึ่งปัจจุบันให้การพยากรณ์อากาศสำหรับทุกการดำเนินงานของเอสที เช่นเพิ่มความถี่ในการเปิดตัวปัญหาของเคเอสซีการพยากรณ์อากาศจะดีขยาย ปัญหาที่สำคัญที่สุดคือการขาดแคลนบุคลากรที่มีทักษะสูงการคาดการณ์ การพัฒนาความเชี่ยวชาญด้านการพยากรณ์เป็นเรื่องยากและต้องใช้เวลาหลายปีของประสบการณ์ การเปลี่ยนแปลงบุคลากรบ่อยในพนักงานการพยากรณ์เป็นอันตรายต่อการสะสมและการเก็บรักษาของความเชี่ยวชาญด้านการพยากรณ์อากาศประสบการณ์ตาม วัตถุประสงค์หลักของโครงการนี​​้คือการประเมินความเป็นไปได้ของการใช้ปัญญาประดิษฐ์ (AI) เทคนิคในการเยียวยาปัญหาการขาดแคลนผู้เชี่ยวชาญด้านนี้โดยจับเพลงที่ผสมผสานความรู้การคาดการณ์ของนักพยากรณ์ผู้เชี่ยวชาญในปัจจุบันเป็นระบบผู้เชี่ยวชาญการพยากรณ์อากาศ (WFES) ซึ่งก็จะทำ พร้อมที่จะมีประสบการณ์น้อยพยากรณ์หน้าที่

ผลลัพธ์ (ไทย) 3:

การพยากรณ์สภาพอากาศ มีทั้งระบบการขนส่งอวกาศ ( STS ) พื้นและเปิด / กิจกรรมที่ศูนย์อวกาศเคนเนดี้ นาซ่าลงจอด ( KSC ) ความถี่เปิดปัจจุบันสถานที่สำคัญความต้องการ USAF อากาศ forecasters ที่แหลมคานาเวอรัลการพยากรณ์สิ่งอำนวยความสะดวก ( ccff ) ซึ่งปัจจุบันมีการพยากรณ์อากาศสำหรับระบบปฏิบัติการเป็นการเพิ่มความถี่เปิดชมระบบการพยากรณ์อากาศปัญหาจะมากเพิ่มขึ้น ปัญหาที่สำคัญที่สุด คือ การขาดบุคลากรที่มีทักษะสูงในการพยากรณ์ . การพัฒนาความเชี่ยวชาญการพยากรณ์เป็นเรื่องยากและต้องใช้หลายปีของประสบการณ์บุคลากรการเปลี่ยนแปลงบ่อยในการพยากรณ์พนักงานทำให้ต้องสะสมประสบการณ์ตามพยากรณ์อากาศและความคงทนของความเชี่ยวชาญวัตถุประสงค์หลักของโครงการนี้คือการศึกษาความเป็นไปได้ในการใช้ระบบปัญญาประดิษฐ์ ( AI ) เทคนิคเพื่อให้การขาดนี้ของผู้เชี่ยวชาญ โดยจับอาเรียที่ผสมผสานความรู้ของนักพยากรณ์ผู้เชี่ยวชาญด้านการพยากรณ์ปัจจุบันในการพยากรณ์อากาศระบบผู้เชี่ยวชาญครั้งที่ ) ซึ่งจะให้ประสบการณ์น้อยกว่าหน้าที่พยากรณ์ .