Egy dél-koreai kutatócsoport áttörést ért el a tajfún intenzitásának előrejelzésében a valós idejű műholdas adatok és a mély tanulás technológiájának felhasználásával. A Cheollian 1 és 2 geoszinkron műholdas adatait számszerű modell adatokkal kombinálva az Ulsani Nemzeti Tudomány és Technológiai Intézet (UNIST) csapata kidolgozott egy mesterséges intelligenciára épülő előrejelző modellt, amely precízen elemzi a tajfúnonként tárolt információkat.
A hagyományos tajfún előrejelzés kizárólag a geoszinkron műholdas adatokra támaszkodik, ami időigényes elemzéshez és a számszerű modellek bizonytalanságainak függéséhez vezet. A kutatócsoport ezekre a problémákra válaszul egy „Hybrid-CNN” modellt hozott létre, ami valós idejű műholdas adatokat és számszerű modell adatokat integrál 24, 48 és 72 órás időszakokban.
Ez az új megközelítés felgyorsítja az elemzés folyamatát, csökkenti a számszerű modellek bizonytalanságát és az előrejelzés pontosságát akár 50%-kal is növeli. A modell kiváló teljesítményét még a gyors tajfúnintenzifikáció során is bizonyították, amely megmutatja hatékonyságát a kihívást jelentő helyzetek kezelésében.
Ráadásul a csapat kihasználta a mesterséges intelligenciát a tajfún intenzitásának automatikus becslésének vizualizálására és kvantitatív elemzésére, növelve ezzel a tajfún-előrejelzések pontosságát. Azokat a környezeti tényezőket, amelyek befolyásolják a tajfún intenzitásának változásait objektíven kinyerve, ezeket az eredményeket alkalmazhatják az operatív előrejelzőrendszerekben, lehetővé téve a tajfún-információk gyors és pontosi szolgáltatását.
A jövőre tekintve ennek a fejlett technológiának a biztosította objektív tajfun-információnak jelentős hozzájárulást kell adnia a katasztrófa-előkészületi és megelőző erőfeszítésekhez, segítve a tajfunok által okozott társadalmi és gazdasági hatások enyhítését.