Ferramenta com IA supera as atuais ferramentas de previsão meteorológica

Um modelo de aprendizagem automática capaz de produzir uma previsão meteorológica probabilística fiável, expressa em probabilidades de vários resultados, com base nas condições meteorológicas atuais e futuras, é apresentado num artigo publicado na revista Nature.

Denominado “GenCast”, tem um desempenho superior ao da previsão meteorológica tradicional de médio alcance com melhor desempenho e é também capaz de prever melhor condições meteorológicas extremas, trajetos de ciclones tropicais e produção de energia eólica.

A exatidão das previsões meteorológicas é essencial para que os indivíduos, os governos e as organizações tomem decisões importantes no dia a dia, desde levar ou não um guarda-chuva, avaliar a produção de energia eólica ou planear condições meteorológicas extremas.

A previsão meteorológica baseia-se tradicionalmente em métodos de previsão numérica do tempo, que estimam o tempo atual e o mapeiam para uma previsão do tempo futuro ao longo do tempo (conhecidas como previsões determinísticas). Isto gera numerosos cenários potenciais, que são combinados para produzir uma previsão meteorológica.

Ilan Price e colegas apresentam um método de previsão meteorológica de aprendizagem automática denominado GenCast. O método é capaz de gerar uma previsão probabilística, que prevê a probabilidade de condições meteorológicas futuras com base nos estados meteorológicos atuais e anteriores.

Os autores treinaram o GenCast em 40 anos (1979 a 2018) de dados de análise de melhores estimativas de ocorrências meteorológicas e é capaz de gerar previsões globais de 15 dias, em passos de 12 horas, para mais de 80 variáveis atmosféricas e de superfície, em 8 minutos.

Quando comparado com o conjunto de previsões do Centro Europeu de Previsões Meteorológicas de Médio Prazo (ENS) & uma previsão determinística e atualmente a previsão de médio prazo com melhor desempenho a nível mundial & verificaram que o GenCast superou o ENS em 97,2% dos 1.320 objetivos utilizados para resumir o desempenho.

Observaram também que o GenCast é mais eficaz na previsão de condições meteorológicas extremas, trajetórias de ciclones tropicais e produção de energia eólica.

Os autores sugerem que o GenCast pode fornecer previsões meteorológicas mais eficientes e eficazes para apoiar um planeamento eficaz.

O que você está lendo é [Ferramenta com IA supera as atuais ferramentas de previsão meteorológica].Se você quiser saber mais detalhes, leia outros artigos deste site.