ノースウェスタン工科大学は、データが限られた状況下でも地域の気象予報の精度を劇的に向上させる革新的なAIフレームワークを開発しました。この画期的な技術が、公共の安全と農業にどのような変革をもたらすのかをご覧ください。
中国西北工科大学の研究者チームが、特に気象データがまばらな地域における中期地域天気予報に革命を起こす画期的なディープラーニングベースのフレームワークを導入した。
従来、今後1～5日間の天気予報は数値モデルに依存していましたが、データが限られた地域では精度に課題が残る場合が多くありました。この革新的なAIモデルは、予測性能を大幅に向上させ、有望な代替手段となります。
「私たちの目標は、データが限られた状況下でも、地域予報をよりスマートに、より迅速に、そしてより信頼性の高いものにすることでした」と、責任著者で西北工科大学の准教授である曹従奇氏はニュースリリースで述べています。「これは、気象観測網が整備されていない地域にとって特に貴重です。」
この新しいフレームワークには、3 つの重要な革新が統合されています。
- セマンティック セグメンテーション モデル: もともと医療画像分析用に設計されたこれらのモデルは、天気予報の粒度を高めます。
- 学習可能なガウスノイズメカニズム: この改善により、不確実性を考慮してエラーを削減することで、モデルの堅牢性が強化されます。
- カスケード予測戦略: このアプローチでは、予測タスクを管理しやすい段階に分割し、より正確な予測を可能にします。
研究者たちは、ERA10の5年間の再解析データを含む、東中国地域AI中期予報コンペティションデータセットを用いて、この手法をテストした。モデルは、気温、風速、降水量など、XNUMXつの主要な地上気象指標をXNUMX日間にわたってXNUMX時間ごとに予測するという課題を与えられた。
結果は目覚ましいものでした。AIモデルは気温予測の誤差を9.3%削減し、降水量F1スコアを6.8%向上させ、風速の誤差を12.5%低減しました。これらの結果は、現在多くの地球規模のAI気象モデルの予測性能を上回っています。
「セマンティックセグメンテーションと学習可能なノイズメカニズムが地域気象予報に併用されたのは今回が初めてです」と曹氏は付け加えた。「これにより、データが不足している他の地域でも正確な予報を行う新たな可能性が開かれるでしょう。」
この技術の潜在的な応用範囲は広大です。より正確な天気予報は、公共の安全、農業計画、防災に大きなメリットをもたらします。研究者たちは、この手法をリアルタイムシステムに拡張し、中国のより多くの地域に適用する計画を進めており、その研究は計り知れない影響を与える可能性があります。
彼らの研究は、 公表 『大気海洋科学レター』に掲載されたこの論文は、天気予報における画期的な進歩を強調するだけでなく、最も遠隔地でも局所的かつタイムリーな天気予報が利用できるようになる未来を垣間見せてくれます。
出典： 中国科学院大気物理研究所