Ilmaennustus on meie igapäevaelus oluline vahend, mis aitab meil planeerida tegevusi ja valmistuda tulevaste tingimuste jaoks. Ent täpsus kalduv oluliselt vähenema peale viie päeva möödumist. Tehisintellekti (AI) sissejuurimine on toonud uusi võimalusi ilmennustuste täiustamiseks.
Üks märkimisväärne tehisintellekti rakendus ilmennustuses on GraphCast, mille on välja töötanud Google DeepMind. See projekt kasutab sügava õppimise tehnoloogiat, et pakkuda täpseid prognoose kuni kümne päeva ette, ületades Euroopa Keskmine-Vahemaa Ilmennustekeskuse (ECMWF) kehtestatud tööstusharu standardi.
GraphCast eesmärk on parandada äärmuslike ilmajuhtumite ennustust, mis esinevad üha sagedamini. Hiljutises uuringus näitas GraphCast võimet ennustada mitmeid ilmamuutujaid üle maailma, saavutades suurema täpsuse 90% juhtudest võrreldes traditsiooniliste mudelitega nagu HRES.
GraphCast lähenemine põhineb graafi-neuraalvõrgul (GNN), mis võtab graafi sisendid ja kasutab planeedi kahte viimast ilmastikustsenaariumi ennustuste tegemiseks. See ennustab ilmastikutingimusi kuus tundi ette 0,25° laiuskraadi-pikkuskraadi raamistikus, kattes kogu maailma. Mudel arvestab miljonit raamipunkti, ennustades pinda puudutavaid muutujaid nagu temperatuur, tuule kiirus ja suund, keskmine merepinna rõhk, ja atmosfääri muutujaid nagu niiskus, tuule kiirus ja suund, ja temperatuur erinevatel kõrgusastmetel.
Transparensuse tagamiseks ja koostöö soodustamiseks teaduse kogukonna seas on GraphCast avatud lähtekoodiga projekt. Jagades mudelit ja selle alusandmeid, on eesmärk julgustada arenenumate sügava õppimise meetodite arendamist keskmise ja pikaajalise ilmennustuse jaoks, eriti kliimamuutuste ja äärmuslike juhtumite valguses.
Tunnustades vajadust paremate ennustuste järele, testib hetkel ECMWF GraphCasti, et hinnata selle potentsiaali Euroopa keskmise-jaotusulatuse ilmennuste peamise tööriistana. Andmepõhiste meetodite integreerimise ja Google DeepMindiga koostööd tehes, püüab ECMWF ära kasutada tehisintellekti jõudu ning täiustada ilmanalüüsi.
Kuna tehisintellekt jätkab edenemist, on selge, et tehisintellektil põhinev ilmennustus asendab järk-järgult traditsioonilisi mudeleid, mis sõltuvad suurel määral füüsilistest algoritmides. Teadlased saavad nüüd treenida sügava õppimise mudeleid, kasutades ilmadeandmeid, võimaldades pidevat täiustamist ja täpsemaid prognoose lühikeses, keskmises ja pikemas perspektiivis.
Sagedased küsimused (KKK)
K: Mis on GraphCast?
V: GraphCast on tehisintellekti toel töötav ilmennustuse projekt, mis on välja töötatud Google DeepMind poolt. See kasutab sügava õppimise tehnoloogiat, et ennustada ilmastikutingimusi kuni kümne päeva ette.
K: Kui täpne on GraphCast traditsiooniliste mudelite võrdluses?
V: Testides näitas GraphCast suuremat täpsust 90% juhtudest võrreldes traditsiooniliste mudelitega nagu HRES. Eriti silma paistab ta äärmuslike ilmajuhuste nagu troopiliste tsüklonite, atmosfäärsete jõgede ja ekstreemsete temperatuuride ennustamisel.
K: Kuidas GraphCast ennustusi teeb?
V: GraphCast kasutab graaf-neuraalvõrku (GNN), mis võtab graafi sisendeid, põhinedes kahe viimase Maa ilmastikuseisundi andmetel. See ennustab ilmastikutingimusi 0,25° laiuskraadi-pikkuskraadi raamistikus ning kasutab pindmisi ja atmosfääri muutujaid, et pakkuda asukohapõhiseid prognoose.
K: Kas GraphCast on avalikkusele kättesaadav?
V: Jah, GraphCast on avatud lähtekoodiga projekt, mis võimaldab teaduslikus kogukonnas läbipaistvust ja koostööd. See avatus aitab kaasa arenenumate sügava õppimise meetodite arendamisele ilmennustuse vallas.
Allikad:
[1] (https://www.näide.ee)
[2] (https://www.näide.ee)
[3] (https://www.näide.ee)
[4] (https://www.näide.ee)
The source of the article is from the blog myshopsguide.com