Universiti Politeknik Barat Laut telah membangunkan rangka kerja AI inovatif yang secara mendadak meningkatkan ketepatan ramalan cuaca serantau, walaupun dalam senario terhad data. Ketahui bagaimana kejayaan ini boleh mengubah keselamatan awam dan pertanian.
Satu pasukan penyelidik di Universiti Politeknik Barat Laut di China telah memperkenalkan rangka kerja berasaskan pembelajaran mendalam yang terobosan yang ditetapkan untuk merevolusikan ramalan cuaca serantau jarak sederhana, terutamanya di kawasan yang mempunyai data meteorologi yang jarang.
Secara tradisinya, ramalan cuaca untuk satu hingga lima hari akan datang bergantung pada model berangka, yang sering bergelut dengan ketepatan di kawasan terhad data. Model AI yang inovatif ini mempersembahkan alternatif yang menjanjikan, dengan peningkatan yang ketara dalam prestasi ramalan.
"Matlamat kami adalah untuk menjadikan ramalan serantau lebih bijak, lebih pantas dan lebih dipercayai, walaupun dalam senario terhad data," kata pengarang yang sepadan Congqi Cao, seorang profesor bersekutu di Universiti Politeknik Barat Laut, dalam satu kenyataan berita. "Ini amat berharga untuk kawasan di mana rangkaian pemerhatian meteorologi yang padat tidak tersedia."
Rangka kerja novel menyepadukan tiga inovasi utama:
- Model Segmentasi Semantik: Direka asalnya untuk analisis imej perubatan, model ini meningkatkan butiran ramalan cuaca.
- Mekanisme Bunyi Gaussian Boleh Dipelajari: Penambahbaikan ini meningkatkan keteguhan model dengan mengambil kira ketidakpastian dan mengurangkan ralat.
- Strategi Ramalan Lata: Pendekatan ini memecahkan tugas ramalan kepada peringkat yang boleh diurus, membolehkan ramalan yang lebih tepat.
Para penyelidik menguji kaedah mereka menggunakan set data Pertandingan Ramalan Cuaca Julat Sederhana AI Serantau China Timur, yang terdiri daripada data analisis semula selama 10 tahun daripada ERA5. Model itu ditugaskan untuk meramalkan lima penunjuk cuaca permukaan utama - termasuk suhu, angin dan hujan - setiap enam jam dalam tempoh lima hari.
Hasilnya sangat mengagumkan. Model AI mengurangkan ralat ramalan suhu sebanyak 9.3%, meningkatkan kerpasan F1-skor sebanyak 6.8% dan menurunkan ralat kelajuan angin sebanyak 12.5%. Keputusan ini mengatasi prestasi ramalan kebanyakan model cuaca AI global semasa.
"Ini adalah kali pertama pembahagian semantik dan mekanisme hingar yang boleh dipelajari telah digunakan bersama untuk ramalan cuaca serantau," tambah Cao. "Ia membuka kemungkinan baharu untuk ramalan yang tepat di kawasan kekurangan data lain."
Potensi aplikasi teknologi ini sangat luas. Ramalan cuaca yang lebih tepat boleh memberi manfaat besar kepada keselamatan awam, perancangan pertanian dan pencegahan bencana. Memandangkan penyelidik merancang untuk memperluaskan kaedah mereka kepada sistem masa nyata dan menerapkannya merentasi lebih banyak wilayah di China, kesan kerja mereka boleh menjadi besar.
Kajian mereka, diterbitkan dalam Surat Sains Atmosfera dan Lautan, bukan sahaja menyerlahkan kejayaan dalam ramalan cuaca tetapi juga menawarkan gambaran masa depan di mana ramalan cuaca setempat dan tepat pada masanya boleh diakses walaupun di kawasan paling terpencil.