Giuda Cohen, direttore delle previsioni stagionali presso l'AER (Atmospheric and Environmental Research) e visiting scientist presso il Dipartimento di Ingegneria Civile e Ambientale del MIT, ed Ernest Fraenkel, professore di ingegneria biologica al MIT, hanno vinto il primo posto in tre delle quattro categorie di previsione della temperatura nella competizione Rodeo di previsione del clima sub-stagionale, ospitato dalla National Oceanic and Atmospheric Administration e sponsorizzato dal Bureau of Reclamation degli Stati Uniti.

I ricercatori del MIT, a cui si è unito il Ph.D. della Stanford University. gli studenti Jessica Hwang e Paulo Orenstein e il ricercatore Microsoft Lester Mackey, battere il modello operativo di previsione a lungo termine utilizzato dal governo degli Stati Uniti.

Per essere ammessi al concorso, le squadre erano tenute a presentare le loro previsioni climatiche ogni due settimane tra il 17 aprile, 2017 e 18 aprile, 2018. L'obiettivo era creare un modello su cui gli Stati Uniti occidentali potessero fare affidamento con settimane di anticipo per aiutare a gestire le risorse idriche e prepararsi a incendi e siccità.

La competizione richiedeva che i modelli raggiungessero una competenza media superiore a tutte le previsioni competitive, e due benchmark presentati dal governo degli Stati Uniti, che sono versioni imparziali del sistema di previsione del clima statunitense basato sulla fisica. I modelli dovevano anche ottenere una persistenza smorzata (indicando che i dati che stai contribuendo stanno aumentando l'effetto correlativo nel tempo).

"Gli attuali modelli di previsione del tempo sono in grado di fare previsioni solo da sette a dieci giorni prima della previsione. Utilizzando tecniche di apprendimento automatico come quella che abbiamo creato per questo concorso, [il nuovo modello] è in grado di aiutare le società energetiche e le città a prepararsi per forti tempeste molto più in anticipo, "dice Cohen.

Il dinamico team di esperti ha combinato il riconoscimento storico del modello meteorologico e l'apprendimento automatico al fine di produrre previsioni in tempo reale di anomalie della temperatura e delle precipitazioni da due a sei settimane in anticipo per gli Stati Uniti occidentali.

"Abbiamo sfruttato l'attuale disponibilità di ampie registrazioni meteorologiche e tecniche di calcolo ad alte prestazioni per combinare modelli basati sulla fisica o dinamici e approcci statistici di apprendimento automatico al fine di estendere l'orizzonte di previsione abile da giorni a settimane, "dice Cohen.

La combinazione di tecniche di apprendimento automatico e riconoscimento storico del modello meteorologico è molto potente perché può aiutare il governo a massimizzare le risorse idriche e prepararsi a disastri naturali o condizioni meteorologiche estreme.

"Ci sono sicuramente piani per continuare questo progetto, poiché abbiamo parlato di estendere il modello a tutti gli Stati Uniti. Abbiamo dimostrato con questo concorso che c'è il potenziale con questo modello per scavalcare il processo di previsione. Può aiutare a fornire una maggiore precisione a costi inferiori nelle previsioni substagionali, " spiega Cohen.

Questa storia è stata ripubblicata per gentile concessione di MIT News (web.mit.edu/newsoffice/), un popolare sito che copre notizie sulla ricerca del MIT, innovazione e didattica.