Banner Top

В динамичното си ежедневие планираме множество мероприятия, а не малка част от тях са зависими от условията навън, и точна и навременна меорологична прогноза може да ни спести куп неприятности, особено при бързоразвиващите събития с неочаквани обрати. Например, ако планираме пикник на открито, и внезапно се разрази буря, би било добре да знаем, че има такава вероятност – още преди да сме тръгнали.

Метеорологията ползва изключително много данни, които изискват продължителна обработка от мощни изчислителни системи, съответно при по-динамични промени и обрати във времето не са толкова ефективни.

Това, което е на фокус в идеята на Google е бързината – бързо, сега – да имаме прогноза за след малко, особено при екстремни климатични условия.

“В свят, все по-често доминиран от непредсказуеми метеорологични модели, краткосрочните прогнози ще бъдат решаващи за управление на кризата и за намаляване на загубите за живот и собственост.” 

Както се досещате – именно бързината на изготвяне на прогнозата е най-голямото предимство при подхода на Google, пред традиционните техники. Google сравняват резултатите си с два съществуващи метода: прогнози на оптичния поток (OF), които разглеждат движението на явленията като облаци, и прогнозиране на симулацията, което създава подробни физически базирани симулации на метеорологичните системи.

Проблемът с по-старите методи, особено със симулацията е, че изискват твърде много изчисления. За симулациите на американските федерални агенции за прогнозиране на времето се обработват до 100 терабайта данни от метеорологичните станции всеки ден, което отнема часове дори при ползване на скъпи суперкомпютри. „Ако изготвянето на прогноза отнема 6 часа, то на ден могат да се съставят само по 3-4, и то базирани на неактуални данни – от преди 6 часа. Така резултатите може да нямат общо с това, което се случва в момента…“, коментира софтуерният инженер на Google Джейсън Хики в публикация в блога.

В сравнение с тях методите на Google дават резултати за минути, тъй като не изготвят модели по сложни метеорологични системи, а съставят прогнози от прости радарни данни, като за валежите.

Изследователите на компанията обучиха свой модел на AI (изкуствен интелект) с исторически радарни данни, събрани между 2017 и 2019 г. в съседни щати от Националната администрация за океани и атмосфера (NOAA), и споделят, че краткосрочните им прогнозите са по-добри от направените с трите съществуващи метода, които пък, разбира се, са по-добри в дългосрочните прогнози. Изглежда ползването на машинно самообучение е добро попадение за бързите и краткосрочно метеорологични прогнози, докато за дългосрочните следва да се разчита на по-мощните метеорологичните модели на NOAA.

Друго предимство при метода на Google е точността – до 1 км, докато при конвенционалните методи тя е 5 км, което за малко населено място, или селскостопански масиви е важно.

Въпреки че все още не сме виждали пълните ефекти на AI върху прогнозата за времето, много други компании също изследват същата област, включително IBM и Monsanto . Както изтъкват изследователите на Google, подобни техники за прогнозиране ще станат все по-важни в ежедневието ни, тъй като усещаме ефектите от изменението на климата.

0 Comments

Leave a Comment

Категории

Social

How to…

Видеа

Избрано

Умен дом