Nowy model SI mocno usprawnił prognozy pogody

Zespół naukowców z Chin opracował system sztucznej inteligencji, który znacząco poprawia dokładność prognoz pogody nawet przy ograniczonej ilości danych. Wykorzystał do tego m.in. medyczną sztuczną inteligencję.

Przez całe dekady prognozowanie pogody w średnim zakresie czasowym, czyli obejmujące okres od 1 do 5 dni, opierało się głównie na tradycyjnych modelach numerycznych – przypominają eksperci z chińskiego Północno-zachodniego Uniwersytetu Politechnicznego w Xi’an. Jak jednak podkreślają, podejście to często zawodzi, gdy stosuje się je do konkretnych regionów, dla których brakuje wystarczająco dużych zbiorów danych historycznych.

Badacze wprowadzili nową metodę, która łączy trzy główne innowacje: wykorzystanie tzw. modeli segmentacji semantycznej – pierwotnie opracowanych do analizy obrazów medycznych, mechanizm analizujący szum Gaussa – zwiększający odporność modelu oraz strategię prognozowania kaskadowego, która dzieli zadanie prognozowania na łatwiejsze do zarządzania etapy.

– Naszym celem było sprawienie, aby prognozowanie regionalne było bardziej inteligentne, szybsze i niezawodne, nawet w warunkach ograniczonej dostępności danych

– mówi prof. Congqi Cao, współautor badania.

– Jest to szczególnie cenne dla obszarów, w których nie istnieje gęsta sieć obserwacji meteorologicznych.

W przeprowadzonych dotąd testach model osiągnął znaczną poprawę skuteczności prognoz, przewyższając wiele powszechnie globalnych modeli SI stosowanych do prognozowania pogody, jak podkreślają chińscy eksperci.

Metoda m.in. zmniejszyła błędy prognoz temperatury o 9,3 proc., poprawiła wynik dla opadów o 6,8 proc. oraz obniżyła błędy prognozy prędkości wiatru o 12,5 proc.

– To pierwszy raz, gdy segmentacja semantyczna i mechanizmy uczące się szumu zostały zastosowane wspólnie, w regionalnym prognozowaniu pogody

– wyjaśnia prof. Cao.

– Otwiera to nowe możliwości dla tworzenia dokładnych prognoz w innych regionach, gdzie również brakuje danych.

Teraz zespół planuje rozszerzyć swoją metodę na systemy działające w czasie rzeczywistym oraz zastosować ją w kolejnych regionach Chin.

Naukowcy mają nadzieję, że ich praca ostatecznie przyczyni się do poprawy bezpieczeństwa publicznego, wspomoże rolnictwo i działania związane z zapobieganiem klęskom żywiołowym, dostarczając inteligentniejsze, szybsze i bardziej lokalne prognozy wtedy, gdy są one najbardziej potrzebne. (PAP)