I temporali sono comuni in tutto il mondo in estate. Oltre a viziare i pomeriggi al parco, fulmine, pioggia e vento forte possono danneggiare le reti elettriche e causare blackout elettrici. È facile dire quando sta arrivando una tempesta, ma le compagnie elettriche vogliono essere in grado di prevedere quali potrebbero danneggiare le loro infrastrutture.

L'apprendimento automatico è l'ideale per prevedere quali tempeste potrebbero causare blackout. Roope Tervo, un architetto software presso l'Istituto meteorologico finlandese (FMI) e Ph.D. ricercatore presso l'università di Aalto nel gruppo di ricerca del professor Alex Jung, ha sviluppato un approccio di apprendimento automatico per prevedere la gravità delle tempeste.

Il primo passo per insegnare al computer come classificare i temporali è stato fornire loro i dati delle interruzioni di corrente. Tre società energetiche finlandesi, Järvi-Suomen Energia, Loiste Sähkoverkko, e Imatra Seudun Sähkönsiirto, che hanno reti elettriche attraverso la Finlandia centrale soggetta a tempeste, fornito dati sul numero di interruzioni di corrente alle loro reti. Le tempeste sono state suddivise in quattro classi. Una tempesta di classe 0 non ha eliminato l'elettricità a nessun trasformatore di potenza. Una tempesta di classe 1 interrompe fino al 10 percento dei trasformatori, una classe 2 fino al 50 percento, e una tempesta di classe 3 ha interrotto l'alimentazione a oltre il 50 percento dei trasformatori.

Il passo successivo è stato prendere i dati dalle tempeste che ha avuto FMI, e rendendo facile la comprensione per il computer. "Abbiamo utilizzato un nuovo approccio basato sugli oggetti per preparare i dati, il che rende questo lavoro entusiasmante, " ha detto Roope. "Le tempeste sono costituite da molti elementi che possono indicare quanto possono essere dannose:superficie, velocità del vento, temperatura e pressione, per dirne alcuni. Raggruppando 16 diverse caratteristiche di ogni tempesta, siamo stati in grado di addestrare il computer a riconoscere quando le tempeste saranno dannose".

I risultati erano promettenti:l'algoritmo era molto bravo a prevedere quali tempeste sarebbero state di classe 0 e non avrebbero causato danni, e quali tempeste sarebbero almeno di classe 3 e causerebbero molti danni. I ricercatori stanno aggiungendo più dati per le tempeste nel modello per aiutare a migliorare la capacità di distinguere le tempeste di classe 1 e 2 l'una dall'altra, per rendere gli strumenti di previsione ancora più utili alle compagnie energetiche.

"Il nostro prossimo passo è cercare di perfezionare il modello in modo che funzioni per più condizioni meteorologiche rispetto ai soli temporali estivi, " disse Rope, "come sappiamo tutti, ci possono essere grandi tempeste in inverno in Finlandia, ma funzionano in modo diverso rispetto ai temporali estivi, quindi abbiamo bisogno di metodi diversi per prevedere i loro potenziali danni".