Využití umělé inteligence k lepší předpovědi nepříznivých povětrnostních podmínek

Při předpovídání počasí používají meteorologové řadu modelů a zdrojů dat ke sledování tvarů mraků a pohybů, které by mohly naznačovat silné bouře. S rostoucím rozšiřováním meteorologických datových souborů a nadcházejícími termíny je však téměř nemožné sledovat všechny výskyty bouří v reálném čase, zejména v malém měřítku.

Nyní, Penn State, AccuWeather, Inc. a existuje počítačový model, který může prognostikům pomoci rychleji a přesněji identifikovat potenciální násilné bouře, a to díky týmu vědců z University of Almería ve Španělsku. Vyvinuli rámec založený na lineárních klasifikátorech strojového učení, což je typ umělé inteligence, který by detekoval rotační pohyby v oblacích ze satelitních snímků, které by jinak zůstaly bez povšimnutí. Toto řešení AI bylo spuštěno na superpočítači Bridges v Pittsburgh Super Computing Center.

Steve Wistar, hlavní forenzní meteorolog v AccuWeather, uvedl, že mít tento nástroj k odvrácení pozornosti na potenciálně nebezpečné události vám může pomoci udělat lepší předpověď.

“Nejlepší odhad zahrnuje co nejvíce údajů,” řekl. “Protože atmosféra je extrémně složitá, je třeba toho hodně pokrýt.” Pomocí modelů a údajů, které máme [in front of us]pořídíme snímek nejúplnějšího aspektu atmosféry. “

Ve své studii vědci spolupracovali s Wistarem a dalšími meteorology AccuWeather na analýze více než 50 000 historických amerických meteorologických snímků počasí. V nich odborníci definovali a označili tvar a pohyb mraků jako čárky. “. Tyto mraky jsou silně spojeny s cyklónovými formacemi, které mohou vést k nepříznivým povětrnostním podmínkám, jako jsou krupobití, bouřky, silný vítr a vánice.

Poté pomocí technik strojového učení a počítačového vidění vědci učili počítače automaticky rozpoznávat a detekovat mraky ve tvaru čárky na satelitních snímcích. Počítače pak mohou odborníkům v reálném čase pomoci určením, kde v oceánu dat mohou soustředit svou pozornost na detekci nástupu násilného počasí.

“Protože mrak ve tvaru čárky je vizuálním indikátorem nepříznivých povětrnostních jevů, mohl by náš plán pomoci meteorologům takové události předvídat,” řekla Rachel Zheng, doktorandka na College of Information Science and Technology. Od Penn State a inspektora projektového manažera.

Vědci zjistili, že jejich metoda dokáže účinně detekovat mraky ve tvaru čárky s přesností 99 procent v průměru 40 sekund na předpověď. Rovněž dokázala předpovědět 64 procent nepříznivých povětrnostních událostí, čímž překonala ostatní dostupné metody detekce nepříznivého počasí.

“Naše metoda dokáže zachytit většinu lidí označených mraků ve tvaru čárky,” řekl Zheng. „Naše metoda také dokáže detekovat některé mraky ve tvaru komatu dříve, než se zcela vytvoří, a naše vnímání je někdy dříve, než je lidské oko dokáže rozpoznat.“

“Účelem našeho podnikání je záchrana životů a ochrana majetku,” řekl Wistar. “Čím pokročilejší bude oznámení pro ty zasažené bouří, tím lépe budeme tuto službu poskytovat.” Snažíme se získat co nejlepší informace co nejdříve. “

Tento projekt navazuje na předchozí práci mezi AccuWeather a výzkumnou skupinou vedenou profesorem Jamesem Wangem, poradcem Zhengovy diplomové práce na IST University.

“Uvědomili jsme si, když začala naše spolupráce.” [with AccuWeather in 2010] „Velkou výzvou, které meteorologové a klimatologové čelí, je pochopení velkého a rostoucího množství dat generovaných satelity, radary a sítěmi senzorů pro pozorování Země,“ řekl Wang. “Je nezbytné, aby počítačové systémy analyzovaly data a učily se z nich.” V aplikacích citlivých na čas, jako je předpovídání v nepříznivých povětrnostních podmínkách, tedy můžeme zajistit, aby byla data interpretována včas a vhodným způsobem. “

“Tento výzkum je prvním pokusem demonstrovat výzkumné komunitě proveditelnost interpretace informací o vizuálním počasí na základě umělé inteligence.” Další výzkum a další simulační modely jsou pravděpodobně pro lidi přesnější a užitečnější pro integraci tohoto přístupu s existujícími numerickými modely předpovědi počasí. “

Wistar, „Výhoda [of this research] Upozorňuje rušného prognostika na něco, co by jinak mohlo zůstat bez povšimnutí. “

Zdroj příběhu:

Materiály poskytované Penn status. Původně napsala Jessica Hallman. Poznámka: Obsah lze upravovat podle stylu a délky.