Yeni AI Teknolojileri ile Hava Durumu Tahmini
Washington Üniversitesi’nden gelen yeni araştırmalar, derin öğrenme kullanarak AI hava durumu modellerinin daha doğru tahminler yapmasını sağlıyor. Geophysical Research Letters dergisinde yayınlanan bu çalışma, başlangıçta kullanılan atmosfer verilerinin ayarlanmasının, gelişmiş AI modellerinin mevcut tahmin limitlerini uzatmasını nasıl sağladığını gösteriyor. İklim değişikliğinin etkisiyle aşırı hava olaylarının daha sık ve şiddetli hale gelmesi, hükümetlerin, işletmelerin, halkın ve acil durum müdahale ekiplerinin doğal afetler gibi sel, sıcak hava dalgaları veya kasırgalara hazırlanabilmesi için daha fazla zaman kazanmasını sağlayabilir. Bu, hayat ve mal kaybını azaltmaya yardımcı olabilir.
Hava Modelleme ve Hatalar
Lead yazar olan Trent Vonich, Washington Üniversitesi’nde doktora öğrencisi, “Mükemmel bir hava modeli yalnızca biraz bozuk başlangıç koşullarıyla verildiğinde, hata zamanla birikiyor ve hatalı bir tahmin üretiyor,” şeklinde açıklama yaptı. “Bu, özellikle dünyanın atmosferi gibi kaotik bir sistemi modellerken geçerli. Son zamanlarda daha iyi modeller oluşturmaya büyük bir vurgu yapıldı, ancak mükemmel bir modelin sorunun sadece yarısı olduğunu biraz göz ardı ediyoruz. Makine öğrenimi modelleri, girişler ve çıkışlar arasındaki doğrusal olmayan etkileşimleri yakalamamıza izin veriyor ki, bu legacy tekniklerin yapamadığı bir şey.”
Gelişmiş Tahmin Modelleri
Google’ın GraphCast ve Huawei’nin Pangu-Weather gibi son teknoloji AI hava tahmin sistemleri, yaklaşan hava durumunu 10 güne kadar güvenilir bir şekilde tahmin edebiliyor, ancak bu sistemlere beslenen başlangıç verilerinin doğruluğuyla sınırlı kalıyorlar.
Bu modeller, petabaytlarca bilgi içeren devasa ERA5 reanaliz veri seti üzerinde eğitim aldılar. Bu veri seti, saatlik sıcaklık, rüzgar hızı, nem, hava basıncı, yağış ve bulut örtüsü gibi verileri içeren 37 basınç seviyesindeki küresel izlerini toplamaktadır. Ayrıca, 1979’dan günümüze hava koşullarını içermektedir.
Optimizasyon ve Sonuçlar
Araştırmacılar, 2021 Haziranı’ndaki Pasifik Kuzeybatısı Sıcak Hava Dalgası öncesindeki atmosferik değişkenleri geçerliliğini artırmak için geliştirdiler. Verileri optimize etmek için GPU destekli JAX çerçevesini kullanarak doğrusal olmayan optimizasyon uyguladılar.
Vonich, bir NVIDIA A100 Tensor Core GPU kullanarak 100 başlangıç koşulu güncellemesinin yalnızca 20 dakika sürdüğünü belirtti.
2021 Pasifik Kuzeybatısı sıcak hava dalgasının verileri üzerinden çerçevenin doğruluğunu test eden araştırmacılar, optimize edilen verilerle 10 günlük tahmin hatalarını %90 oranında düşürerek bu olayın -şiddet ve süre açısından- doğru tahmin edilmesini sağladılar. Optimizasyonsuz tahminlerle karşılaştırıldığında tahmin penceresini de iki katına çıkararak 23 güne kadar tahmin edebildiler.
Vonich, “Bu araştırma, daha doğru hava gözlemlerinin ve ölçümlerinin daha iyi modeller geliştirmek kadar önemli olabileceğini gösteriyor,” dedi. “Eğer bu teknik, başlangıç koşullarındaki sistematik yanlılıkları belirlemek için kullanılabilirse, bu durum operasyonel tahminlerin iyileştirilmesine anında etki edebilir. Ayrıca, daha fazla hazırlık süresi, toplulukların daha iyi hazırlanmasına imkan tanıyor. Havacılık, deniz taşımacılığı ve daha birçok sektör, doğru hava tahminlerine dayanıyor. Bu iyileşmeler bu sektörler için de ekonomik fayda sağlayabilir.”
Daha fazla bilgi için Eos haberine göz atabilirsiniz.
Çalışmasının tamamını okumak için 2021 Pasifik Kuzeybatısı Sıcak Hava Dalgasının Derin Öğrenme Hassasiyet Analizine Göre Tahmin Edilebilirlik Sınırı başlıklı makaleye erişebilirsiniz.
