В областта на метеорологията се появява нов играч, който може да промени перспективата в прогнозирането на времето. AI-подпомогнат модел за времето недавно демонстрира своята мощ в предвиждането на траекторията и силата на потенциално тропически циклон в северозападния бряг на Австралия. Този новаторски развой надхвърли възможностите на традиционните модели за време, подбуждайки интерес и любопитство сред метеоролози по целия свят.
Вграденият предизвикателство при прогнозирането на тропически циклони се крие в тяхната непредсказуемост. Моделите за прогнози често се борят да определят точно траекторията и интензивността на тези метеорологични системи. Въпреки това AI-подпомогнатият модел, разработен от Европейския център за прогнози на средносрочно време (ECMWF), показа голям потенциал в справянето с този проблем.
Бяха сравнени различни модели за времето, включително три световно признати числени модели за прогнози (NWP) и AI-подпомогнатият модел на ECMWF, в предсказването на местоположението на тропическата депресия. Горните панели на изображението за сравнение показваха тропични циклони близо до северозападния бряг на Австралия, докато долният десен панел показа AI-модела, предвиждащ слаба зона на ниско налягане по-на северозапад.
След анализ стана ясно, че AI-подпомогнатият модел на ECMWF се отличава с точността си. Сателитното изображение и диаграмата на средно равно налягане на морското равнище (MSLP), направени в 11 часа вечерта AEDT на неделя, 17 март, потвърдиха, че тропическата ниска често завършва в близост до предсказанията, направени от моделите ACCESS-G и ECMWF-AIFS. Макар да това донесе точка както на AI модела, така и на NWP моделите, моделите GFS и ECMWF-HRES се провалиха в точното прогнозиране на местоположението на бурята.
Анализът на MSLP допълнително показа, че централното налягане на тропическата ниска беше 999 hPa в 11 часа вечерта на 17 март. Въпреки това прогнозите на моделите пет дни по-рано се разминаваха значително. Моделът на ECMWF предвиждаше централно налягане от 981 hPa, моделът GFS – 968 hPa, моделът ACCESS-G – 981 hPa, а AI-подпомогнатият модел на ECMWF-AIFS – 997 hPa. Впечатляващо, моделът, базиран на изкуствен интелект, се приближи най-много до реалното налягане, с отклонение само от 2 hPa. В сравнение с това, NWP моделите се различаваха с 18 до 31 hPa.
Без съмнение този успешен случай представлява потенциала на AI-базираните модели за времето в точното прогнозиране на тропически циклони. Въпреки това е важно да се отбележи, че това е само един случай от една метеорологична система. Допълнителни реални тестове са необходими, преди пълният оперативен потенциал на AI-базираните модели за времето да може да бъде реализиран.
ЧЗВ:
Q: Какво прави AI-подпомогнатите модели за времето различни от традиционните модели?
AI-подпомогнатите модели за времето използват алгоритми на изкуствения интелект за обработка на големи количества данни и идентифициране на модели, които могат да бъдат пропуснати от традиционните модели. Това им позволява да правят по-точни прогнози, особено в сложни метеорологични сценарии като тропическите циклони.
Q: Как работи AI-подпомогнатият модел на ECMWF?
AI-подпомогнатият модел на ECMWF използва напреднали алгоритми и техники за машинно самообучаване за анализ на метеороложки данни и симулиране на поведението на метеорологични системи. Това му позволява да генерира изключително точни прогнози, като идентифицира сложни връзки и модели в данните.
Q: Какво представляват числени модели за прогнозиране на времето (NWP)?
Числени модели за прогнозиране на времето са компютърни инструменти, използвани от метеоролози за симулиране и прогнозиране на атмосферните условия. Тези модели използват математически уравнения за представяне на физическите процеси, които се случват в атмосферата, и генерират прогнози въз основа на началните условия и граничната информация.
Източници:
– Европейски център за прогнози на средносрочно време (ECMWF)
– Институт по метеорология (Австралия)
The source of the article is from the blog procarsrl.com.ar