Post #381

#Что_там с ML в формуле-1 😎 За последние полтора года я вернулся в стаю ярых болельщиков формулы и отдельно madmax, до этого смотрел формулу с 2013 по 2016 года, но устал от доминации Мерседес и начал следить за биатлоном(привет-привет, доминация Фуркада). Кажется в конце 2025 можно было почти точно предсказать результат гонки исходя из конфигурации трассы, формы пилота и прогноза погоды, поэтому я нашел пайплайн системы предсказания результатов гонки. Параметры архитектуры: 1️⃣В качестве базового параметра используется детерминированный алгоритм расчета времени прохождения круга (градусы шин, уровень топлива, DRS, трафик). 2️⃣Модель остаточных значений LightGBM, обученная на исторических данных телеметрии FastF1 для коррекции изменений темпа, внедряется в процесс генерации профиля водителя перед выполнением моделирования методом Монте-Карло. 3️⃣Метод Монте-Карло с 10 000 итерациями, позволяющий получить распределения P10/P50/P90 для каждого гонщика в каждой гонке. 4️⃣Вспомогательный классификатор опасностей для автомобиля безопасности (для каждого круга), модулирующий вероятность срабатывания системы безопасности в симуляции. 5️⃣Версионирование функций в процессе разработки: возраст шин × состав резины, разница в результатах квалификации, вариативность сектора, частота активации DRS, коэффициент эволюции трассы, разница в погодных условиях. 6️⃣Оптимизатор стратегий работает с 400 итерациями (отдельно от основного механизма Монте-Карло), чтобы поддерживать приемлемое время отклика веб-сайта. Сам проект на гите: https://github.com/XVX-016/F1-PREDICT Сайт проекта: https://f1.tanmmay.me/#/simulation Кажется, было бы классно под новый регламент сделать более совершенную систему, в которой прикрутить агента с новостями и агента-стратега. 💗 - если было бы интересно