Рассматривается задача сжатия полей данных, полученных при математическом моделировании воздушных потоков. На первом этапе поля кластеризуются по схожим значениям с применением алгоритма k-средних. На втором этапе каждый из полученных метакластеров в свою очередь кластеризуется по пространственным переменным. На третьем этапе каждый из полученных кластеров описывается набором нейронных сетей (в этом и состоит суть предлагаемой компрессии). Предлагается специальный алгоритм выбора оптимального набора нейронных сетей. Алгоритм использует технику "'прогноз—коррекция". Прогноз реализуется путем экстраполяции с помощью специально построенной интерполирующей функции. Коррекция реализуется с использованием результатов приближения пробной нейронной сетью. Данная схема дает сжатие полей данных в 45...70 раз. Задача имеет существенную вычислительную сложность и параллельно решается на многоядерной системе. Ключевые слова: сжатие данных с потерями, кластеризация, нейронные сети, численное моделирование, адаптивный алгоритм, распараллеливание.
