یک گروه تحقیقاتی در کرهی جنوبی با استفاده از دادههای ماهوارهای در زمان واقعی و فناوری یادگیری عمیق، پیشرفت بزرگی در پیشبینی شدت طوفانها داشتهاند. با ترکیب دادههای ماهوارهای ژئواستاتیونری از ماهوارههای Cheollian 1 و 2 با دادههای مدل عددی، تیم در موسسه علوم و فناوری ملی اولسان یک مدل پیشبینی هوش مصنوعی توسعه دادهاند که میتواند اطلاعات طوفان را با دقت تجزیه و تحلیل کند.
بهطور سنتی، پیشبینی طوفان تنها بر دادههای ماهوارهای ژئواستاتیونری بنا شده است که منجر به تجزیه و تحلیل زمانبر و وابستگی به عدم قطعیت مدلهای عددی میشود. برای رفع این مشکلات، تیم تحقیقاتی یک مدل ‘Hybrid-CNN’ را ایجاد کرده است که دادههای ماهوارهای و دادههای مدل عددی را در بازههای زمانی 24، 48 و 72 ساعت یکپارچه میکند.
این رویکرد جدید فرآیند تجزیه و تحلیل را سریعتر میکند، عدم قطعیت مدلهای عددی را کاهش میدهد و دقت پیشبینی را تا 50٪ افزایش میدهد. این مدل ثابت کرده است که در هنگام تشدید سریع طوفان، عملکرد برجستهای دارد و توانایی خود را در مواجهه با وضعیتهای چالشبرانگیز نشان میدهد.
علاوه بر این، تیم از هوش مصنوعی برای تجسم و تجزیهوتحلیل کمی اندازهگیری خودکار شدت طوفان استفاده کرده است که دقت پیشبینی طوفانها را ارتقا میدهد. با استخراج برخی از عوامل محیطی تاثیرگذار بر تغییرات شدت طوفان به صورت قابل اعتماد، یافتهها میتوانند برای سیستمهای پیشبینی عملیاتی استفاده شوند و اجازهی ارائه سریع و دقیق اطلاعات طوفان را بدهند.
بهطرفی، اطلاعات آمادهباش و جلوگیری از آسیبهای اجتماعی و اقتصادی ناشی از طوفانها را تسهیل میکند.
“پیشبینی طوفان را از طریق فناوری پیشرفته: آشکار کردن بینشها و چالشهای کلیدی”