Atmosferische wetenschappers stellen voor om AI in te zetten voor 30-daagse weersvoorspellingen

Onderzoek naar Voorspelling van Weer met AI

Een team van atmosfeerwetenschappers aan de Universiteit van Washington heeft bewijs gevonden dat weerprognoses tot wel 30 dagen vooruit mogelijk kunnen zijn. In hun studie, gepost op de arXiv preprintserver, testte de groep Google’s GraphCast, een AI-gebaseerd weer-model en voorspellingssysteem, door een techniek toe te passen die de initiële weersomstandigheden verbetert om de nauwkeurigheid te verhogen.

Gedurende de afgelopen vijftig jaar hebben weerprofeten geloofd dat een prognoseperiode van twee weken de ultieme grens is. Dit komt door het zogenaamde vlindereffect, waarbij kleine gebeurtenissen, zoals de luchtverplaatsing door de vleugels van een vlinder, leiden tot kettingreacties met grote gevolgen. Hoewel het vlindereffect een gedachte-experiment is, is het bekend dat willekeurige gebeurtenissen zoals branden, vulkaanuitbarstingen en menselijke activiteiten lokale weersveranderingen kunnen veroorzaken.

In deze nieuwe inspanning hebben de onderzoekers in Washington het mogelijk gemaakt om AI-technologie te gebruiken om de prognoseperiode te verlengen. Ze voerden tests uit met GraphCast, een AI-model voor weersvoorspelling dat door Google is ontwikkeld. Dit model leert door training op 40 jaar aan gegevens van traditionele voorspellingen en satellietbeelden. De onderzoekers vroegen zich af of het verbeteren van de nauwkeurigheid van de initiële omstandigheden die worden gebruikt om een prognose te genereren, de algehele nauwkeurigheid van het model zou kunnen verbeteren.

Het onderzoeksteam vergeleek voorspellingen gemaakt door het model met de meest recente staat van de atmosfeer, gebaseerd op gegevens die werden gebruikt om het model te trainen. Vervolgens gebruikten ze fouten die waren gemaakt in kortetermijnvoorspellingen om de initiële omstandigheden aan te passen en pasten deze aan op de heranalyseringsgegevens die werden gebruikt om het model te trainen, wat het model een nauwkeuriger startpunt gaf. Dit proces werd meer dan 1.000 keer herhaald, waarbij de initiële voorwaarden telkens nauwkeuriger werden gemaakt.

Na het trainen van GraphCast met de nieuw herziene gegevens, ontdekten de onderzoekers dat de voorspellingscapaciteit voor 10 dagen gemiddeld met 86% verbeterde. Het model deed ook redelijk nauwkeurige voorspellingen tot 33 dagen in de toekomst.

De onderzoekers erkennen dat er veel meer werk nodig is voordat AI-modellen nauwkeurige langetermijnvoorspellingen kunnen doen, inclusief het testen van hun benadering om te zien hoe goed het in de echte wereld werkt.