Chińscy naukowcy stworzyli system sztucznej inteligencji, który znacząco zwiększa precyzję prognoz pogody, nawet przy ograniczonych danych. Wykorzystali do tego technologie z medycyny.
Przez lata prognozowanie pogody na średni okres, obejmujący od jednego do pięciu dni, bazowało głównie na tradycyjnych modelach numerycznych. Eksperci z Północno-zachodniego Uniwersytetu Politechnicznego w Xi'an zauważają jednak, że takie podejście często zawodzi w regionach z niewystarczającą ilością danych historycznych - podaje Polska Agencja Prasowa.
Innowacyjne podejście do prognozowania
Badacze wprowadzili nową metodologię, łączącą trzy kluczowe innowacje: modele segmentacji semantycznej, pierwotnie stworzone do analizy obrazów medycznych, mechanizm analizy szumu Gaussa, który zwiększa odporność modelu, oraz strategię prognozowania kaskadowego, dzielącą zadanie na łatwiejsze etapy.
Prof. Congqi Cao, współautor badania, podkreśla, że celem było uczynienie prognozowania regionalnego bardziej inteligentnym, szybszym i niezawodnym, nawet przy ograniczonej dostępności danych. Jest to szczególnie istotne dla obszarów bez gęstej sieci obserwacji meteorologicznych. - Naszym celem było sprawienie, aby prognozowanie regionalne było bardziej inteligentne, szybsze i niezawodne, nawet w warunkach ograniczonej dostępności danych - mówi prof. Congqi Cao, którego cytuje PAP. - Jest to szczególnie cenne dla obszarów, w których nie istnieje gęsta sieć obserwacji meteorologicznych - dodaje.
Wyniki testów i przyszłe plany
W dotychczasowych testach model wykazał znaczną poprawę w dokładności prognoz, przewyższając wiele popularnych globalnych modeli SI używanych do prognozowania pogody – zaznaczają chińscy specjaliści. Metoda ta m.in. zmniejszyła błędy w prognozach temperatury o 9,3 proc., poprawiła wyniki dla opadów o 6,8 proc. oraz zredukowała błędy w prognozach prędkości wiatru o 12,5 proc.
Prof. Cao wyjaśnia, że to pierwszy raz, gdy segmentacja semantyczna i mechanizmy uczące się szumu zostały zastosowane wspólnie w regionalnym prognozowaniu pogody. Otwiera to nowe możliwości dla dokładnych prognoz w innych regionach z niedoborem danych.
Zespół planuje teraz rozszerzyć metodę na systemy działające w czasie rzeczywistym i zastosować ją w kolejnych regionach Chin. Naukowcy mają nadzieję, że ich praca 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.
Źródło: PAP, zdjęcie: Shutterstock
Komentarze
2taka metodyka jest dużo lżejsza niż bardzo złożone równania w typowych modelowaniach numerycznych, więc może "się uczyć", bo może obliczyć więcej różnych wariantów, bazując na tej samej mocy komputera (właściwie to całego clustera obliczeniowego).
w modelowaniu adaptacyjnym chodzi też o to, że algorytm jak gdyby przy okazji odgaduje różne zależności czasowe i ukryte pomiędzy wieloma parametrami pogody, i to jest jego ogromna przewaga w porównaniu z obecnie używanymi metodami ....... statycznymi.