Un team di ricercatori che lavorano presso il centro di ricerca di Google Mountain View ha sviluppato uno strumento di previsione del tempo basato sul deep learning per prevedere gli eventi meteorologici a breve termine. Hanno scritto un documento che descrive il loro "strumento di nowcasting, " e l'hanno caricato sul server di prestampa arXiv. Hanno anche pubblicato un articolo che descrive il loro lavoro sul blog di Google AI.

Nonostante secoli di sforzi, predire il tempo è ancora una scienza inesatta. L'approccio attuale prevede la raccolta di dati da una varietà di fonti e l'analisi con supercomputer che impiegano ore per fornire previsioni. Sebbene le previsioni meteorologiche moderne siano molto più accurate di quelle del passato, lasciano ancora molto a desiderare, soprattutto a livello locale e nel breve termine. In questo nuovo sforzo, il team di Google ha adottato un approccio diverso alle previsioni a breve termine, invece di utilizzare la fisica, usano mappe radar recenti per fare ipotesi plausibili sul prossimo futuro.

Il nuovo strumento di Google utilizza l'apprendimento automatico:una rete neurale convoluzionale (CNN) viene addestrata per riconoscere i modelli meteorologici e quindi fare previsioni basate sulle condizioni meteorologiche attuali. Lo strumento risultante fornisce ciò che Google descrive come "precipitation nowcasting"—basato localmente, quasi istantaneo, previsioni meteorologiche a breve termine.

Il tipo di CNN utilizzato da Google è chiamato U-Net, un sistema che funziona ordinando i dati in livelli organizzati per fase di codifica per aumentare la velocità di elaborazione:l'iterazione viene utilizzata per ridurre la risoluzione dell'immagine e quindi viene utilizzata la decodifica per ripristinare le immagini. alla loro risoluzione originaria. Il sistema analizza i dati radar delle ultime N ore per prevedere gli eventi meteorologici nelle prossime N ore, dove N varia tra zero e sei ore. L'intero processo richiede solo pochi minuti. Il sistema è in grado di restituire risposte più rapidamente rispetto ai sistemi di previsione convenzionali perché ignora la fisica coinvolta, invece, si basa sull'elaborazione delle immagini.

I ricercatori hanno testato il loro strumento confrontandolo con tre modelli di previsione ampiamente utilizzati. Sostengono che le loro previsioni erano più accurate a breve termine rispetto a tutti e tre i modelli, ma erano meno precisi a lungo termine.

© 2020 Scienza X Rete