Czy sieci neuronowe zastąpią synoptyków? Nauczyły się prognozować fale upałów i mrozów z kilkudniowym wyprzedzeniem

Inżynierowie z Uniwersytetu Rice’a w amerykańskim Houston stworzyli sieć neuronową, która nauczyła się prognozować fale upałów i mrozów z pięciodniowym wyprzedzeniem. Co najciekawsze, robi to na podstawie analogowych map pogody.

Sieć neuronowa CapsNet (capsule neural network) to rodzaj sztucznej sieci stosowanej do modelowania zjawisk hierarchicznych. Wynikiem jej działania jest wektor prawdopodobieństwa oraz wektor będący kombinacją położenia i zwrotu. Naukowcy zdecydowali się na CapsNet, ponieważ takie sieci lepiej rozpoznają relacje przestrzenne, co ma znaczenie w ewolucji systemów pogody. Mają też inną zaletę – wymagają znacznie mniejszej ilości danych do wyuczenia niż na przykład splotowe sieci neuronowe.

Naukowcy z Rice wyuczyli sieć na setkach par map – jednej przedstawiającej temperatury powierzchni, drugiej sytuację baryczną na wysokości 5 km – oraz wystąpieniu ekstremalnych temperatur kilka dni później. Po wytrenowaniu sieć, której przedstawiono nowe mapy, przewidywała fale upałów i mrozów z dokładnością 85 procent.

Numeryczne modele superkomputerów

Badacze sądzą, że taki system oparty na sztucznej inteligencji może służyć synoptykom jako system wczesnego ostrzegania. Może też przyczynić się do lepszego zrozumienia, jakie warunki atmosferyczne prowadzą do takich temperaturowych ekstremów.

Dziś pogodę coraz częściej przewidują superkomputery, ale działają na innej zasadzie niż sztuczna inteligencja. Z równań opisujących numeryczne modele atmosfery obliczają przewidywany stan pogody na kilka dni naprzód. Wymagają jednak danych stale zbieranych ze stacji pomiarowych oraz satelitów. Zaś w przewidywaniu ekstremalnych fal upałów nie są zbyt trafne.

Być może trafniej przewidywać je mogłyby szybsze superkomputery i modele o większej rozdzielczości – spekuluje Pedram Hassanzadeh, współautor opublikowanej [w „Journal of Advances in Modelling Earth Systems”] pracy. – Jednak przez to, że nie rozumiemy w pełni fizyki ekstremów pogodowych i warunków, z jakich powstają, możliwe jest, że równania [opisujące numeryczne modele atmosfery] nie są całkiem dokładne i nie dadzą lepszych prognoz niezależnie od mocy obliczeniowej, jaką włożymy” – mówi.

Inżynierowie z Uniwersytetu Rice’a w amerykańskim Houston stworzyli sieć neuronową, która nauczyła się prognozować fale upałów i mrozów z pięciodniowym wyprzedzeniem. Co najciekawsze, robi to na podstawie analogowych map pogody

Dwa lata temu badacze postanowili poświęcić się zgłębianiu innego kierunku niż modele numeryczne. Znany jest fakt, że fale upałów lub mrozów poprzedzają zmiany prądu strumieniowego (to pędząca z prędkością rzędu 500 km/h masa powietrza formująca się na styku powietrza polarnego i bardziej umiarkowanych szerokości geograficznych na wysokości około 10-12 km). „Gdy spojrzy się na mapy, często widać anomalie w rodzaju zafalowań prądu strumieniowego albo stacjonarnych wyżów” – tłumaczy Hassanzadeh. – „Zdecydowaliśmy się więc podejść do prognozowania pogodowych ekstremów jak do rozpoznawania wzorców i obrazów, a nie problemu numerycznego”.

– Postanowiliśmy wytrenować nasz model, pokazując mu mnóstwo układów ciśnienia na wysokości 5 km i w każdym przypadku wskazując: „ten nie spowodował ekstremalnej pogody”, „ten spowodował falę upałów w Kalifornii”, „ten niczego”, a „ten falę mrozów na północnym zachodzie”. Z dokładnością do regionów” – wyjaśnia badacz.

Przyczyny ekstremalnych zjawisk

Naukowcy chcieliby wydłużyć okres prognozy do 10 dni, bo powyżej tego czasu numeryczne modele są zwykle już nieprzydatne. To, czemu nie da rady superkomputer, mogłyby rozwiązać algorytmy sztucznej inteligencji.

Hassanzadeh zastrzega, że ich system nadal wymaga pracy, zanim będzie mógł się stać narzędziem dla synoptyków. I przyznaje, że jego zespół jest żywo zainteresowany tym, jakie konkretnie wzorce wykrywa sieć, by przewidzieć pogodę.

– Chcielibyśmy wykorzystać idee wyjaśnialnej sztucznej inteligencji (explainable AI), żeby zinterpretować, co robi sieć neuronowa. To pozwoliłoby na wykrycie przyczyn ekstremalnych zjawisk pogodowych i poprawić zrozumienie ich fizycznych prawidłowości – mówi badacz.

Niedawno opisywaliśmy, jak sieć neuronowa opracowana przez badaczy z Google’a przewiduje na żywo, minuta po minucie, rozwój chmur i opady. Jej twórcy opisali ją jako physics-free, czyli „wolny od fizyki”, bowiem sieć nie zbiera danych, ani nie zna wzorów opisujących atmosferę. Po prostu przewiduje na podstawie dwuwymiarowych obrazów.

Pisaliśmy też o platformie Siemensa – City Air Quality Management (CyAM), która wykorzystuje sztuczną inteligencję do obliczania spodziewanego zanieczyszczenia powietrza na wiele dni wcześniej.

Przewidywanie upałów zaś bardzo się nam w ocieplającym się świecie przyda. Według najnowszych symulacji (opublikowanych w „Nature Communications” do końca stulecia liczba dni upalnych na półkuli północnej zwiększy się czterokrotnie. W Polsce w ostatnich latach upalnych dni z temperaturą powyżej 30 stopni jest przeciętnie piętnaście każdego roku – a jeśli do końca stulecia będzie ich czterokrotnie więcej, oznacza to sześćdziesiąt dni upałów.

Skip to content