Lidia PerskaDienesta kopa Pieredzējuši pētnieki Ziemelkorejā ir paveikuši caurspīdīgu uzlabojumu ciklonu intensitātes prognozēšanā, izmantojot reāllaika satelītu datus un dziļo mācīšanās tehnoloģijas. Apvienojot Čeolliana 1 un 2 ģeostacionāro satelītu datus ar skaitlisko modeļu datiem, Ulsanas Nacionālās zinātnes un tehnoloģiju institūta komanda ir izstrādājusi AI prognozes modeli, kas var analizēt ciklonu informāciju ar precizitāti.
Tradicionāli ciklonu prognozes balstās tikai uz ģeostacionāro satelītu datiem, kas noved pie laikietilpīgas analīzes un atkarības no skaitliskajiem modeļiem neskaidrībām. Lai risinātu šos jautājumus, pētnieku komanda ir izveidojusi “Hybrid-CNN” modeli, kas integrē reāllaika satelītu datus un skaitlisko modeļu datus 24, 48 un 72 stundu periodos.
Šis jaunais pieejas veids paātrina analīzes procesu, samazina skaitlisko modeļu neapliekamību un uzlabo prognozes precizitāti līdz pat 50%. Modelis ir pierādījis, ka sniedz izcilu veiktspēju pat ātrā ciklonu intensifikācijas laikā, demonstrējot tā efektivitāti sarežģītos scenārijos.
Turklāt komanda ir izmantojusi AI, lai vizualizētu un kvantitatīvi analizētu automātisku ciklonu intensitātes novērtējumu, paaugstinot ciklonu prognožu precizitāti. Izvelkot objektīvi vidi ietekmējošos faktorus, kas ietekmē ciklonu intensitātes izmaiņas, atklājumi var tikt pielietoti operatīvajos prognozēšanas sistēmās, ļaujot ciklonu informācijas ātru un precīzu nodrošināšanu.
Skatoties uz priekšu, šīs jaunās tehnoloģijas piedāvātā objektīvā ciklonu informācija ir gatava sniegt nozīmīgu ieguldījumu katastrofu sagatavošanā un novēršanā, palīdzot mazināt ciklonu radītās sabiedrības un ekonomiskās sekas.
