پیش بینی هوا با فناوری، هوش مصنوعی چگونه فناوری هواشناسی را متحول می کند؟ - وبلاگ مستند

به گزارش وبلاگ مستند، هوش مصنوعی با کمک به فناوری هواشناسی تأثیر مثبتی در امور کشاورزان، خطوط هوایی، سازمان های مختلف و سایر مشاغل دارد.

به گزارش خبرنگار حوزه علم، فناوری و دانش بنیان گروه دانشگاه خبرگزاری وبلاگ مستند، آخرین باری که شما برای بررسی پیش بینی شرایط هوا اقدام کردید، شاید برای زمانی بود که قصد داشتید برای آخر هفته به مسافرت بروید. سپس نام شهر مقصد را در گوگل جستجو کرده و یا به گزارش شرایط هواشناسی اخبار محلی گوش می دهید تا از اوضاع آب وهوای مقصد مطلع شوید.

اما به روزرسانی های پیش بینی آب وهوا ممکن است برای افراد حوزه تجارت، دولت و کشاورزان متفاوت باشد. این موضوع به آن ها کمک می کند تا در پاسخ به بلایای طبیعی احتمالی که ممکن است رخ دهد، بهتر آماده شوند. این می تواند به کشاورزان در تصمیم گیری برای کاشت و برداشت کمک کند. حتی شرکت های هواپیمایی نیز از نقشه ها و مسیرها بهره مند شده یا تصمیم می گیرند که در صورت شرایط طوفانی، برای لغو پروازها تصمیم بگیرند. اما تصور کنید که پیش بینی های اشتباه یک هواشناس چگونه همه را ناراحت می کند.

مدل های سنتی پیش بینی آب وهوا مبتنی بر اقدامات آماری مدل های عددی است و به صورت باینری جواب نمی دهد. داده های جمع آوری شده می توانند از ماهواره های فضایی، بالون های هوا، سیستم های راداری، تجزیه وتحلیل های محیطی و گاهی اوقات سنسورهای مبتنی بر اینترنت اشیاء باشد. اما با افزایش داده های روزافزون، تغییر شرایط جوی، صحت پیش بینی ها، به ویژه برای دوره های طولانی تر، ممکن است نوسان پیدا کند. اینجا جایی است که هوش مصنوعی می تواند در افزایش دقت و قابلیت اطمینان پیش بینی آب وهوا خود را اثبات کرده و فعالیت انسانی را نیز کاهش دهد.

پیش بینی های هوش مصنوعی در اصل بر اساس الگوریتم های یادگیری ماشین است. اکنون هواشناسان با استفاده از پردازش داده های پیچیده تر در مدت زمان کوتاه تر توسط اصول رگرسیون خطی (رگرسیون یک نوع مدل آماری ست برای پیش بینی یک متغیر از روی یک یا چند متغیر دیگر)، قادرند پیش بینی های خود را با دقت بیشتری انجام دهند و درنتیجه موجب صرفه جویی در زندگی و هزینه شوند.

یادگیری ماشینی می تواند با سایر پیش بینی ها ازجمله دما، ارتفاع موج و بارش هماهنگ باشد. یکی از این مدل های محبوب، پیش بینی آب وهوای عددی (NWP) است. این مدل مجموعه داده های وسیعی را که از ماهواره های آب وهوا، ایستگاه های رله و رادیوسوند (رادیوسوند از ابزارهای مهم اندازه گیری دما، رطوبت، فشار، سمت و سرعت باد در جو بالا است) بازپخش می شوند را برای ارائه پیش بینی های هواشناسی کوتاه مدت یا پیش بینی های اقلیمی بلندمدت مورد مطالعه و بررسی قرار می دهد.

سایر تکنیک های هوش مصنوعی برای پیش بینی شرایط آب وهوا شامل شبکه عصبی مصنوعی، شبکه عصبی گروهی، شبکه انتشار معکوس، شبکه عملکرد پایه محوری، شبکه عصبی رگرسیون عمومی، الگوریتم ژنتیک، پرسپتون چندلایه و خوشه بندی فازی می شوند.

یک گروه محقق در اداره ملی اقیانوسی و جوی (NOAA) دریافتند که استفاده از تکنیک های هوش مصنوعی به همراه درک فیزیکیِ محیط می تواند مهارت پیش بینی را به طور قابل توجهی برای انواع مختلف آب وهوا بهبود بخشد. این نوع هوا شامل وقایعی مانند رعدوبرق شدید، گردبادهای عظیم و طوفان شدید است.

سال گذشته گروه دیگری از محققان یک شرکت هواشناسی، دانشگاه پنسیلوانیا و دانشگاه آلمریای اسپانیا، یک مدل رایانه طراحی کردند که بتواند حرکت ابرهای ویرگولی را در تصاویر ماهواره ای تشخیص دهد. این ابرها به سختی قابل رؤیت هستند و با ساختار سیکلونی همراه هستند. این مدل می تواند نتایج را با دقت 99 درصد و به طور متوسط 40 ثانیه در هر پیش بینی، تشخیص دهد.

در سال 1996، IBM یکی از اولین شرکت هایی بود که از سیستم های رایانه ای برای بهبود پیش بینی های مربوط به شرایط هوا استفاده کرد. آی.بی.ام پس از خرید شرکت هواشناسی The Weather Company در سال 2016 و زیرمجموعه های آن ازجمله Weather.com ،Weather Underground ، Weather Company Brand و WSI، حال قصد دارد از این داده های گسترده و عظیم از طریق قابلیت های محاسبات پیشرفته شناختی IBM Watson و خدمات ابری، آینده پیش بینی هوا را متحول کند.

ابزار پیش بینی هوش مصنوعی Google نیز که مبتنی بر شبکه عصبی پیچشی (CNN) است، به محققان اجازه می دهد پیش بینی دقیق بارندگی را شش ساعت قبل از وقوع بارش انجام دهد. این شبکه رده ای از شبکه های عصبی عمیق است که معمولاً برای انجام تحلیل های تصویری یا گفتاری در یادگیری ماشین استفاده می شوند. شبکه عصبی پیچشی تصاویر ورودی ماهواره ای را می گیرد و سپس آن ها را به تصاویر خروجی تبدیل می کند.

شرکت اقلیمی مونسانتو نیز در پیش بینی شرایط آب وهوای کشاورزی فعالیت دارد. این شرکت از تصاویر ماهواره ای و داده های هوای محلی به همراه مدل های یادگیری ماشین برای تقویت پیش بینی هواشناسی، به ویژه برای کشاورزان استفاده می کند.

در همین حال، محققان مؤسسه پلی تکنیک فدرال لوزانِ سوئیس، از داده های استاندارد هواشناسی و یادگیری ماشین برای ساختن یک سیستم ساده استفاده کردند که می تواند رعدوبرق را 10الی30 دقیقه قبل از اتفاق و در شعاع حدود 30کیلومتری پیش بینی کند. این گروه داده های مربوط به رعدوبرق های رخ داده در گذشته را از 12 ایستگاه هواشناسی سوئیس در محیط های شهری و کوهستانی بین سال های 2006 و 2017 جمع آوری کردند.

سپس از همان داده ها برای ساخت یک الگوریتم برای پیش بینی صاعقه های جدید، در فرایندی به نام hindcasting استفاده کرد. این الگوریتم از دقت 80 درصد برخوردار است. سال گذشته مدل های هوش مصنوعی پاناسونیک به دقیق ترین پیش بینی ها درباره طوفان ایرما در ایالت فلوریدا، کمک کردند، به طوری که توانستند محل وقوع طوفان را چهار تا هفت روز قبل، تعیین کنند.

پیش بینی هوا از طریق هوش مصنوعی خدمات بسکمک به بشر ارائه می کند؛ از کمک به مدیریت سوانح گرفته تا لجستیک، صنایع مختلف و کشاورزی. در آینده نزدیک بشر قادر خواهد بود از آن برای شناسایی مراکز طوفان، بارندگی های شدید و فصول آفات استفاده کنیم. اما نباید فراموش کرد که باوجود افزایش سطح دقت، پیش بینی هوا هرگز نمی تواند صددرصد دقیق باشد. ایده این است که بر کاستی فعلی در فرایند پیش بینی و تجزیه وتحلیل غلبه کنیم، جایی که هوش مصنوعی در حال پر کردن شکاف ها است.

4112/