De invloed van machine learning op weersvoorspellingen

Volgens een onderzoek uit 2009 kijken Amerikaanse volwassenen bijna 300 miljard keer per jaar naar weersvoorspellingen. Betrouwbare voorspellingen kunnen gevaarlijk weer (zoals sneeuwstormen, orkanen en plotselinge overstromingen) al 9-10 dagen voor het evenement voorspellen. Hoewel de weersvoorspelling van jaar tot jaar blijft verbeteren voor voorspellingen op kortere termijn, neemt de voorspellingsvaardigheid af in het tijdsbestek van 2 weken tot 2 maanden. Deze voorspellingen op langere termijn kunnen een cruciale rol spelen voor veel sectoren, waaronder waterbesparing, energievraag en rampenparaatheid, terwijl ze ook nog kunnen helpen als je op https://www.online-casino-nederland.org wilt wedden op het weer. Dat weersvoorspellingen alsmaar beter worden, heeft onder meer te maken met de intrede van nieuwe ontwikkelingen en technologieën. Zo wordt tegenwoordig bijvoorbeeld steeds meer gebruik gemaakt van machine learning om het weer te voorspellen. 

In een nieuwe studie werd bijvoorbeeld uiteengezet om deze sub-seizoensvoorspelling te verbeteren met behulp van een nieuwe benadering van weersvoorspelling. Met behulp van een convolutioneel neuraal netwerk ontwikkelden de auteurs een machine learning weersvoorspellingssysteem genaamd Deep Learning Weather Prediction (DLWP). Het model is getraind op historische weergegevens, die verschillen van standaard numerieke weersvoorspellingsmodellen die wiskundige representaties van fysieke wetten creëren. DLWP projecteert 2-6 weken in de toekomst voor de hele wereld. De auteurs vergeleken het DLWP-model met de huidige state-of-the-art numerieke weermodellen. Uit de evaluatie bleek dat de standaard numerieke voorspellingen beter presteren voor korte doorlooptijden, bijvoorbeeld 2-3 weken uit. Het DLWP-model was echter goed te vergelijken bij het projecteren van 4-6 weken later.

Hoewel het DLWP-model nog niet concurreert met bestaande modellen – en momenteel geen neerslag kan voorspellen – is de machine learning-aanpak veelbelovend, zeggen de auteurs. Ten eerste is het model rekenkundig efficiënter dan andere benaderingen. Het DLWP-model heeft slechts 3 seconden nodig om een ​​ensembleprognose te berekenen die bestaat uit 320 onafhankelijke modelruns. Bovendien gaf het model nauwkeurig een 4,5-daagse hervoorspelling voor orkaan Irma met behulp van totale kolomwaterdamp en zonder neerslag. De orkaan van categorie 5 verwoestte in 2017 de noordelijke Caraïben en de Florida Keys.

De onderzoekers zeggen dat hun studie een belangrijke stap voorwaarts betekent in het gebruik van machine learning voor weer- en klimaatmodellering. De auteurs merkten op dat het opmerkelijk was in zijn vermogen om op fysica gebaseerde verschijnselen te leren. Ze merkten ook op dat het model een aanvulling zou kunnen zijn op voorspellingen in de tropen en in de lente- en zomermaanden, waar de meeste weersvoorspellingsmodellen het momenteel moeilijk hebben. 

De samenvatting van het onderzoek van Jonathan A. Weyn, Dale R. Durran, Rijke Caruana en Nathanial Cresswell-Clay, waar dit artikel op gebaseerd is: “’s Werelds toonaangevende weersvoorspellingsinstellingen vertrouwen momenteel op rekenkundig dure weermodellen die op enorme supercomputers draaien. Om vaardigheden te hebben voor voorspellingen van twee tot zes weken in de toekomst, zijn grote ensembles van veel bijna identieke runs van deze modellen vereist, maar de rekenbronnen die nodig zijn voor deze ensembles schalen met het aantal uitgevoerde voorspellingen. Omdat de benodigde middelen snel de moderne computerlimieten naderen, onderzoeken we de mogelijkheid om computationeel goedkope weermodellen te gebruiken op basis van machine learning-algoritmen die leren de evolutie van het weer te reproduceren. Ons machine-learningmodel is in staat om 320 prognoses in drie minuten uit te voeren op één werkstation, terwijl het ultramoderne model van het European Centre for Medium-Range Weather Forecasts (ECMWF) supercomputers gebruikt om 50 voorspellingen uit te voeren. Ons ensemble-weermodel produceert realistische voorspellingen van weersgebeurtenissen zoals orkaan Irma in 2017 en is zelfs in staat om de prestaties van het ECMWF-ensemble bijna te evenaren voor voorspellingen van temperatuur vier tot zes weken in de toekomst.”