Lidia PerskaEturyhmä Etelä-Koreassa on tehnyt mullistavan edistysaskeleen typhoonien voimakkuuden ennustamisessa käyttämällä reaaliaikaista satelliittidataa ja syvää oppimisteknologiaa. Yhdistämällä Cheollian 1:n ja 2:n geostationaaristen satelliittien tiedot numeerisen mallin dataan, Ulsanin tiede- ja teknologiainstituutin (UNIST) tiimi on kehittänyt tekoälyennustemallin, joka pystyy analysoimaan typhoonitiedot tarkasti.
Perinteisesti typhoonien ennustaminen perustuu vain geostationaarisiin satelliittitietoihin, mikä johtaa aikaa vievään analyysiin ja riippuvuuteen numeeristen mallien epävarmuuksista. Näiden ongelmien ratkaisemiseksi tutkijatiimi on kehittänyt ”Hybrid-CNN” -mallin, joka integroi reaaliaikaisen satelliittidatan ja numeerisen mallidatan 24, 48 ja 72 tunnin jaksoille.
Tämä uusi lähestymistapa nopeuttaa analyysiprosessia, vähentää numeeristen mallien epävarmuutta ja tehostaa ennustetarkkuutta jopa 50%. Malli on osoittautunut erinomaisesti suoriutuvan myös nopeassa typhoonien voimakkuuden lisääntymisessä, osoittaen tehokkuutensa haastavien tilanteiden käsittelyssä.
Lisäksi tiimi on hyödyntänyt tekoälyä visualisoidakseen ja analysoiakseen typhoonien voimakkuuden automaattisen arvioinnin, nostamalla typhoonien ennusteiden tarkkuutta. Ympäristötekijöiden objektiivisen erottelun avulla, jotka vaikuttavat typhoonien voimakkuuden muutoksiin, tuloksia voidaan soveltaa operatiivisiin ennustusjärjestelmiin, mahdollistaen typhoonitietojen nopean ja tarkan toimittamisen.
Tulevaisuudessa tämän kehittyneen teknologian tarjoaman objektiivisen typhoonitiedon odotetaan merkittävästi edistävän katastrofivalmiutta ja ennaltaehkäisytoimia, auttaen lieventämään typhoonien aiheuttamia yhteiskunnallisia ja taloudellisia vaikutuksia.
