Yapay zeka ile daha iyi hava tahmini?

Bayburtgüzeli

Global Mod
Global Mod


  1. Yapay zeka ile daha iyi hava tahmini?

Huawei’nin araştırma departmanı, yedi güne kadar küresel hava durumu tahminleri sağlayan derin bir sinir ağı geliştirdi. Karşılaştırılabilir doğrulukla, ancak şu anda mevcut olan hava durumu modellerinden 10.000 kat daha hızlı. Sayısal hava durumu modellerinin çözünürlüğü, bilgi işlem gücüne duyulan ihtiyaç nedeniyle hala ciddi şekilde sınırlı olduğundan, bu tür sinir ağları, tahminleri çok daha hassas bir şekilde hesaplamak için de kullanılabilir.

Duyuru



Bu arada, Nature dergisinin aynı sayısında, UC Berkeley araştırmacılarıyla birlikte çalışan ikinci bir Çinli ekip, radar verilerinden şiddetli yağmur olaylarını tahmin eden gelişmiş bir sinir ağı – sözde şimdi tahmini – sundu. NowcastNet’in doğruluğu sadece mevcut modellerden daha iyi değil. Üç saatlik bir teslim süresiyle model, örneğin 2021’de Deepmind tarafından sunulan ağdan daha ilerisini hesaplar.

Huawei’den hava durumu modeli


5G bileşenleri bazı Batılı politikacılar tarafından Çin hükümetinin Truva atı olarak görülen Huawei, bu işi kendisini kendi bulutu teknoloji açısından kesinlikle Batı’ya ayak uydurabilecek yenilikçi bir şirket olarak sunmak için kullanıyor. Dünyanın önde gelen bilimsel dergilerinden biri olan Nature, Huawei Cloud araştırmacıları tarafından oluşturulan, yapay zeka hava tahmini için yenilikçi Pangu modeli hakkında bir makale yayınladı.” Çinli teknoloji şirketi, Nature’daki bir makalenin tek yazarıdır.”

Mevcut tahmin teknikleri, atmosferik fiziğin kapsamlı bilgisayar simülasyonlarını kullanır. Uzun vadeli tahminler için uygun olsalar da, hesaplama açısından oldukça karmaşıktırlar. Çünkü mevcut hava durumu modelleri basınç, sıcaklık, nem vb. hesaplar. bu değişkenlerin zaman içindeki değişimini tanımlayan birleşik fiziksel denklemleri sayısal olarak çözdükleri bir ızgarada. Prensip olarak, zaman tam olarak hesaplanabilir, ancak modeller karmaşık gerçekliği azaltmak zorundadır, aksi takdirde hesaplama çabası çok fazla olacaktır. Özellikle zaman içinde önemli bir rol oynayan bulut oluşumu bu nedenle genellikle parametreler aracılığıyla modellere girilir. Ayrıca, hesaplamada başlangıç değerleri olarak kullanılan meteorolojik gözlemlerden elde edilen veriler eksiktir.

Derin öğrenme ile daha hızlı


Fiziksel modeller yerine veriye dayalı tahminleri kullanma fikri açıktır. Bu tür modeller için işlem eforu çok daha az olduğu için daha hızlı sonuç alınmaktadır. Dünyanın her yerinden araştırma grupları 1990’lardan beri sadece hava durumu için değil, aynı zamanda iklim modelleri için de bu alanda çalışıyor. Ancak, şu ana kadar sonuçların doğruluğu arzulanan çok şey bırakıyor.

Duyuru

Huawei’nin modeli Pangu-Weather, sonuçları iyileştirmek için iki yeni teknik kullanıyor: İlk olarak Kaifeng Bi’nin ekibi, üç boyutlu verileri işleyen bir transformatör modeliyle çalışıyor. Yazılım, farklı yüksekliklerde sıcaklık, basınç, rüzgar hızı ve nem gibi meteorolojik değişkenleri hesaplar. Araştırmacılar, model içindeki farklı yüksekliklere ilişkin hesaplamaları birbiriyle tutarlı tutarak, modelin fiziksel olmaktan çıkıp kontrolden çıkmasını zarif bir şekilde engellemektedir.

Ek olarak model, bir sonraki zaman adımı için girdi olarak bir saatlik tahmini kullanarak tahminleri sıralı olarak oluşturur ve sonunda yedi günlük bir tahmin dönemine ulaşır. Görünüşe göre, bu yaklaşım aynı zamanda sonuçlarda daha fazla tutarlılık sağlıyor.

Araştırmacılar, modelin kalitesini belirlemek için sonuçları doğrudan tarihsel hava durumu verileriyle değil, mevcut sayısal modellerin sonuçlarıyla karşılaştırdı. Ayrıca Pangu-Weather, hava tahmininde zor ama pratik olarak çok önemli bir problem olan yağışı tahmin edemez. Bununla birlikte, model tropikal siklon verileriyle açıkça eğitilmemiş olsa bile, araştırmacılar tropikal bir siklonun yolunu doğru bir şekilde çizebildiler. Çin Meteoroloji Servisi’ne göre Pangu-Weather, Mawar Tayfunu’nun yolunu Tayvan adalarının doğu sularına çarpmasından beş gün önce doğru bir şekilde tahmin etti.

Ekstrem hava durumu tahminleri için Nowcast


Şimdi Nature’da yayınlanan ikinci çalışma, bir derin öğrenme algoritmasının aşırı yağış olaylarını önceki lider yöntemlere göre nasıl daha doğru ve daha uzun geri dönüş süreleriyle nasıl tahmin edebileceğini gösteriyor. Fırtına ve şiddetli yağışlar büyük hasara neden olur. Bu nedenle, burada hava faktörü de belirleyicidir: Bununla birlikte, geleneksel sayısal hava tahminlerinin, örneğin önümüzdeki birkaç saat içinde şiddetli yağmurların nasıl gelişeceğini hesaplaması çok uzun sürer. Derin sinir ağları ile çok daha hızlı tahminler burada yardımcı olacaktır.

Kendilerinden önceki diğer araştırma grupları gibi, Yuchen Zhang ve meslektaşları girdi olarak hava durumu modellerinin anlık görüntülerini sağlayan radar verilerini kullandılar. Bazı durumlarda oldukça iyi çalışır, ancak aşırı hava olayları gibi giriş verisi modeli eğitim verilerinden öğrenilen modelden çok uzak olduğunda her zaman başarısız olur. Bu nedenle NowcastNet, yalnızca radar veri modelinin gelecekte nasıl gelişeceğini değil, aynı zamanda ilgili rüzgar hızı alanının nasıl gelişeceğini de hesaplar. Yağmur radarındaki yağış modeli, modeldeki gibi fiziksel sınır koşulları ile eşleştirilmiştir. 62 Çinli meteorolog, sistemi diğer benzer sistemlere karşı değerlendirdi ve zamanın yaklaşık %70’inde yağmuru tahmin etmenin en iyi yöntemi olduğu sonucuna vardı.

Teknik olarak, iki yeni çalışma oldukça etkileyici, ancak henüz hava tahmininde çığır açan yapay zeka değiller.







(wst)



Haberin Sonu
 
Üst