Újabb gépi tanulásos időjárás-előrejelzési megoldást jelentett be a Google. A néhány órás előrejelzéseket pontosító MetNet-3, majd a tíznapos globális előrejelzést órák helyett percek alatt előállító GraphCast modellt követően ezúttal a meglévő valószínűségi előrejelzéseket kiváltani képes, SEEDS névre hallgató megoldást jelentett be a cégóriás blogján.
A légkör kaotikus rendszer, azaz az apró eltérések a feltételezett pillanatnyi állapot és a valóság között még tökéletes előrejelzési rendszer esetén is idővel egyre nagyobb különbséget okoznak az előrejelzett és a végül bekövetkező valóság között.
Ezt a bizonytalanságot a meteorológiában a valószínűségi előrejelzések segítségével mérik, mely a kiinduláskor becsült állapot apró módosításaival újra és újra lefuttatott előrejelzések között kialakuló különbségeket vizsgálják.
Mivel egy előrejelzés elkészítése a hagyományos numerikus módszerekkel rendkívül idő- és költségigényes, ezért még a piacvezető ECMWF is mindössze 50 ilyen alternatív forgatókönyvet tud napi két alkalommal elkészíteni a 15 napos előrejelzéseiből.
A közelmúltban rohamszerűen terjedő, AI jelzővel illetett megoldások (valójában neurális hálózatok) olyan, az elmúlt 50 évben felgyűlt időjárási adatsorokon tanított modellek, melyek a számításigényes fizikai megoldások helyett a mintázatok felismerésével ("adott időjárási helyzetet követően általában mi szokott történni") a korábbiaknál több nagyságrenddel gyorsabban képesek prognózisokat készíteni.
Mivel egy előrejelzés nem hordoz információt az önmagában rejlő bizonytalanságokról, ezért azoket nagyobb mennyiségben kell előállítani. A szükséges számítási teljesítmény drasztikus lecsökkenésével lehetővé vált, hogy szuperszámítógépek nélkül, bárki, akár az otthoni számítógépén lefuttasson egy, már korábban feltanított előrejelző modellt, így például
az Időképnél is sikeresen, néhány perc futásidő alatt elkészítettünk több, kísérleti 10 napos, egész bolygóra szóló időjárási előrejelzést a GraphCast modell segítségével.
Összehasonlításul: a kizárólag a Kárpát-medencére számolt hagyományos WRF nagyfelbontású modell nagyjából 3 óra alatt számol ki 3 napnyi előrejelzést.
A nagyságrendi gyorsulást a Google következő fejlesztésében a valószínűségi előrejelzések forradalmasítására használta, így néhány óra alatt a jelenlegi 50 helyett 16 384 lehetséges jövőbeli állapotot is képes volt a SEEDS rendszer felvázolni.
Ez a korábban elképzelhetetlen mennyiségű prognózis óriási lehetőségeket nyit a veszélyes időjárási események időben történő előrejelzésére, hiszen így az egészen apró bekövetkezési valószínűségű heves időjárási események is megjelennek a lehetőségek között.
A SEEDS percek alatt képes több ezer lehetséges forgatókönyvet felvázolni | Grafika: Google
A fenti grafikán a SEEDS három különböző futása látható egy 2022. júliusi hőhullám előrejelzésére. Az éjfél után is 27 Celsius fokos levegő (a képen csillaggal jelölve) hét nappal korábban még igen valószínűtlen előrejelzésnek számított, a hagyományos előrejelző rendszerek (sárga háromszögek) egyike sem jelezte ezt a lehetőséget. A sok apró zöld pötty a SEEDS sok ezer lehetséges forgatókönyvét jelzi, mely bár még mindig kis eséllyel, de már jelezte a később bekövetkezett állapot lehetőségét.
Az új megoldás tehát nem önmagában biztosít biztosabb beválást, hanem az igen nagy számú lehetséges kimenetelek között napokkal hamarabb fogja jelezni, ha egy kis esélyt már lát bármilyen veszélyes időjárási jelenség bekövetkeztére.
A rendszer egyelőre nem állt éles üzembe, de a kutatási eredmény remélhetőleg a közeljövőben már rendszeresen frissítve segítheti a meterológusok munkáját.
Szerző: Szente-Varga Bálint
Megjelent: 2024.04.29 7:26