Araştırmacılar, kasırga ve dolu gibi tehlikeli hava olaylarını dört ila sekiz gün önceden doğru bir şekilde tahmin edebilen bir makine öğrenimi modeli olan CSU-MLP geliştirdiler. Ekip, modeli test etmek ve iyileştirmek için ulusal Fırtına Tahmin Merkezi ile iş birliği yaparak tahmincilerin tahminlerine olan güvenini artırdı ve potansiyel olarak hayat kurtarmaya çalıştı.
Kasırga ve dolu gibi olayların kesin tahmini sekiz gün önceden.
Şiddetli yağmur, dolu veya kasırga gibi hayatı tehdit eden potansiyel tehlikelerle şiddetli hava yaklaşırken, erken uyarılar ve kesin tahminler çok önemlidir. Colorado Eyalet Üniversitesi’ndeki hava durumu araştırmacıları, fırtına tahmincilerine, tahminlerinin güvenilirliğini artırmak için güçlü ve yeni bir araç sağladı ve bu süreçte potansiyel olarak hayat kurtarıyor.
Son yıllarda, Atmosfer Bölümü’nde profesör olan Russ Schumacher Science ve Colorado State Climatologist, Amerika Birleşik Devletleri kıtasında tehlikeli hava tahminini geliştirmek için gelişmiş bir makine öğrenimi modeli oluşturmada bir ekibe öncülük etti. Başlangıçta tarihsel aşırı yağış verileri üzerinde eğitilen ve CSU-MLP (Colorado Eyalet Üniversitesi-Makine Öğrenimi Olasılıkları) olarak bilinen model, tahminciler için kritik bir pencere olan kasırga ve dolu gibi olayları dört ila sekiz gün öncesinden doğru bir şekilde tahmin edecek şekilde geliştirildi. hazırlık için halka bilgi yaymak.
Son iki yıldan fazla bir süredir modeli geliştirmek için çalışan araştırma bilimcisi Aaron Hill liderliğindeki ekip, yakın zamanda orta vadeli (dört ila sekiz günlük) sonuçlarını yayınladı. ) American Meteorological Society dergisi Weather and Forecasting’de tahmin yeteneği.
Araştırma bilimcisi Aaron Hill, CSU-MLP’yi Storm Prediction Center’daki tahmincilere sunuyor. Kredi: Provided/Aaron Hill
Fırtına Tahmin Merkezi tahmincileriyle çalışma
Araştırmacılar şimdi modeli test etmek ve gerçek hava tahmincilerinden elde edilen pratik hususlara dayalı olarak iyileştirin. Araç, insan tahmincilerin paha biçilmez becerilerinin yerini tutmaz, bunun yerine tahmincilerin potansiyel hava durumu hakkında kamuya açık uyarılar yayınlayıp yayınlamamaya karar vermelerine yardımcı olmak için agnostik, güven artırıcı bir önlem sağlar.
“İstatistiksel modellerimiz fayda sağlayabilir operasyonel tahmincileri bir rehberlik ürünü olarak kullanın, ikame olarak değil,” dedi Hill.
Israel Jirak, M.S. ’02, Doktora ’05, Fırtına Tahmin Merkezi’nde bir bilim ve operasyon görevlisi ve makalenin ortak yazarı. CSU ekibiyle işbirliğini “araştırmadan operasyona çok başarılı bir proje” olarak nitelendirdi.
“İstatistiksel olarak güvenilir ve yetenekli, aynı zamanda pratik olarak yararlı olan, olasılığa dayalı makine öğrenimine dayalı şiddetli hava durumu rehberliği geliştirdiler. tahminciler,” dedi Jirak. Oklahoma’daki hava tahmincileri, özellikle orta vadeli şiddetli hava durumu tahminleri yayınlamaları gerektiğinde, CSU rehberlik ürününü günlük olarak kullanıyor.
CSU Ph.D. öğrenci Allie Mazurek, tahminci Andrew Moore ile CSU-MLP’yi tartışıyor. Kredi: Sağlandı/Allie Mazurek
Dokuz yıllık geçmiş hava durumu verileri
Model, ABD kıtasında yaklaşık dokuz yıllık ayrıntılı tarihsel hava gözlemlerini içeren çok büyük bir veri kümesi üzerinde eğitilmiştir. veriler, geçmiş hava olaylarının sonuçlarından oluşturulan model “yeniden tahminler” olan meteorolojik geriye dönük tahminlerle birleştirilir. CSU araştırmacıları, bu model tahminlerinden çevresel faktörleri çıkardı ve bunları kasırga ve dolu gibi geçmişteki şiddetli hava olaylarıyla ilişkilendirdi. Sonuç, mevcut hava olaylarıyla gerçek zamanlı olarak çalışabilen ve sıcaklık ve rüzgar gibi mevcut çevresel faktörlere dayalı olarak dört ila sekiz günlük bir hazırlık süresiyle bu tür tehlikelerin olasılığını üretebilen bir modeldir.
{ 8}Doktora öğrenci Allie Mazurek proje üzerinde çalışıyor ve modelin tahmin yetenekleri için hangi atmosferik veri girdilerinin en önemli olduğunu anlamaya çalışıyor. “Modelin tahminlerini nasıl yaptığını daha iyi ayrıştırabilirsek, umarız modelin tahminlerinin belirli hava durumu kurulumlarında neden iyi veya kötü olduğunu daha iyi teşhis edebiliriz,” dedi.
Hill ve Mazurek, model yalnızca daha doğru değil, aynı zamanda onu kullanan tahminciler için daha anlaşılır ve şeffaf.
Hill için, makine öğrenimi aracını geliştirmek için yıllarca süren çalışmanın artık halka açık, operasyonel bir platformda bir fark yarattığını bilmek çok sevindirici. ayar.
“Temel araştırmayı seviyorum. Atmosferimiz hakkında yeni şeyler anlamayı seviyorum. Ancak şiddetli hava tehdidi etrafında gelişmiş uyarılar ve iyileştirilmiş mesajlaşma sağlayan bir sisteme sahip olmak son derece faydalı,” dedi Hill.
Referans: “Orta Menzilli Şiddetli Hava Tahminleri için Yeni Bir Paradigma: Olasılığa Dayalı Rastgele Orman– Tabanlı Tahminler”, yazan Aaron J. Hill, Russ S. Schumacher ve Israel L. Jirak, 2 Şubat 2023, Weather and Forecasting.
DOI: 10.1175/WAF-D-22-0143.1