گروهی از محققان در کره جنوبی با استفاده از دادههای ماهوارهای در زمان واقعی و فناوری یادگیری عمیق موفق به کرانهبرداری در پیشبینی شدت توفانها شدهاند. با ترکیب دادههای ماهوارهای ژئواستاتیونری از چئولیان ۱ و ۲ با دادههای مدل عددی، تیم در موسسه علوم و فناوری ملی اولسان (UNIST) مدل پیشبینی هوش مصنوعی توسعه دادهاند که میتواند اطلاعات توفان را با دقت تجزیه و تحلیل کند.
سنتیسازی پیشبینی توفان تنها بر دادههای ماهوارهای ژئواستاتیونری تکیه دارد که منجر به تجزیه و تحلیل زمانبر و وابستگی به عدم اطمینان مدلهای عددی میشود. برای حل این مسائل، تیم تحقیقی مدل ‘Hybrid-CNN’ را ایجاد کردهاند که دادههای ماهوارهای و دادههای مدل عددی در طول تاییدهای ۲۴، ۴۸ و ۷۲ ساعته یکپارچه میکند.
این رویکرد جدید فرآیند تجزیه و تحلیل را تسریع میبخشد، عدم اطمینان مدلهای عددی را کاهش میدهد و دقت پیشبینی را تا ۵۰٪ افزایش میدهد. مدل ثابت کرده است که حتی در زمان تقویت سریع توفان، عملکرد استثنایی دارد و کارایی خود را در مواجهه با صحنههای چالشی نشان میدهد.
علاوه بر این، تیم از هوش مصنوعی برای زمینهبندی و تجزیه و تحلیل به صورت کمی برآورد خودکار شدت توفان استفاده کرده است و دقت پیشبینی توفان را افزایش میدهد. با استخراج بیطرفانه عوامل محیطی که بر تغییرات شدت توفان تأثیر میگذارند، یافتهها میتوانند برای سامانههای پیشبینی عملیاتی بهکار رود و امکان ارائه سریع و دقیق اطلاعات توفان را فراهم نماید.
با دقت به آینده، اطلاعات بیطرفانه توفان ارائه شده توسط این فناوری پیشرفته قرار است تا به طرز قابل توجهی به آمادگی و پیشگیری از فاجعه کمک کند، به کاهش تأثیرات اجتماعی و اقتصادی که به دلیل توفانها ایجاد میشوند، کمک نماید.