16.10.2019
PL EN
22.08.2019 aktualizacja 22.08.2019

Sztuczna inteligencja: twarze jak chmura gradowa

Fot. Fotolia Fot. Fotolia

Stosowane do rozpoznawania twarzy techniki sztucznej inteligencji dobrze radzą sobie również z oceną chmur gradowych - informuje pismo „Monthly Weather Review”.

Opady gradu mogą mieć znaczący wpływ ekonomiczny, zwłaszcza na rolnictwo i nieruchomości.

Jak wykazali naukowcy z National Center for Atmospheric Research (NCAR), oparte na sieciach neuronowych techniki sztucznej inteligencji pozwalają rozpoznawać cechy poszczególnych burz, które wpływają na formowanie się gradu i to, jak duże będą poszczególne bryłki lodu (gradziny). Dotychczasowe metody miały poważne trudności z tego rodzaju prognozowaniem, ponieważ analizowały niewielki wycinek burzy i nie były w stanie ocenić jej szerszej formy i struktury.

To, czy podczas burzy dochodzi do gradobicia, zależy od licznych czynników meteorologicznych. Powietrze musi być wilgotne blisko powierzchni ziemi, ale suche wyżej. Niezbędne są silne prądy wstępujące, które utrzymują grad w powietrzu wystarczająco długo, aby mógł urosnąć (czasami średnica gradzin znacznie przekracza 50 mm). Istotną rolę odgrywają również zmiany kierunku i prędkości wiatru na różnych wysokościach w trakcie burzy.

Nawet gdy wszystkie te kryteria są spełnione, wielkość powstałych gradzin może się znacznie różnić w zależności od ścieżki, którą grad pokonuje podczas burzy - i warunków na tej ścieżce. Dlatego znaczenie ma pozioma (horyzontalna) struktura burzy.

Obecne modele komputerowe ogranicza matematyczna złożoność, niezbędna do przedstawienia fizycznych właściwości burzy. Uczenie maszynowe pozwala obejść się bez modelu obejmującego całą skomplikowaną fizykę burzy. Zamiast tego sieć neuronowa ucząca się maszynowo jest w stanie pobierać duże ilości danych, wyszukiwać wzorce i uczyć się, które funkcje burzowe są kluczowe, aby dokładnie przewidzieć, czy i jakiego gradu można się spodziewać.

W ramach badań naukowcy zastosowali model uczenia maszynowego przeznaczony do analizy obrazów wizualnych. Wytrenowali go, wykorzystując obrazy symulowanych burz wraz z informacjami o temperaturze, ciśnieniu, prędkości i kierunku wiatru jako dane wejściowe i symulacje gradu wynikające z tych warunków jako dane wyjściowe. Ogólnie rzecz biorąc model potwierdził te cechy burz, które wcześniej były powiązane z gradem. Na przykład burze, które mają niższe niż przeciętnie ciśnienie w pobliżu powierzchni i wyższe niż przeciętnie ciśnienie w pobliżu szczytu burzy (co tworzy silne prądy wstępujące), częściej powodują silne gradobicie. Podobnie jest z burzami, w których wiatry wieją z południowego wschodu w pobliżu powierzchni i z zachodu na szczycie oraz burzami o bardziej okrągłym kształcie.(PAP)

Autor: Paweł Wernicki

pmw/ zan/

Copyright © Fundacja PAP 2019