Decemberben jubileumi századik alkalommal rendezték meg az AGU, azaz az American Geophysical Union konferenciáját, melyen idén is a Föld minden tájáról képviseltették magukat a meteorológia neves szakemberei. Az eseményen kiemelt figyelmet kaptak a közelmúltban igen népszerű, gépi tanulásra alapozott kutatások, melyek a várakozások szerint egyre fontosabb szerepet fognak betölteni az időjárás-előrejelzések készítésében a 2020-as évtizedben.

Neurális háló keresi a várható anomália információ forrásterületét

Elizabeth A. Barnes a Colorado State Universityn dolgozó docens kutatása újszerű megközelítést alkalmazva nem az időjárás közvetlen előrejelzésére koncentrált, helyette azt kereste, hogy egy adott év várható átlaghőmérsékletére mely földterületek aktuális légköri állapota van a legnagyobb hatással. Ha ennek ismeretében telepítjük a mérőeszközöket, úgy nagyobb mértékben tudjuk vele a prognózisokat is javítatni, mintha kevésébé releváns területet választanánk helyszínül.

A várható időjárás "forrásának" feltérképezéséhez Barnes neurális hálókat használt, melyet az egyes évek hőmérséklet-anomália (azaz a sokéves átlagtól való eltérés) méréseivel és előrejelzéseivel tanított. Az eredményekből egyértelműen kirajzolódott, hogy az aktuális év anomáliájának előrejelzéséhez

a legtöbb információt az Atlanti-óceán északi, valamint a Csendes- és az Indiai-óceán déli felének, valamint Dél-Amerika nyugati partjainak hőmérséklet-anomáliája szolgáltatta.

Az eredmény azért is volt meglepő, mivel ezeken a területeken bizonyult a legkisebbnek az anomália, azaz az itt mért hőmérsékletek a szokványoshoz közeli értékek voltak, nem úgy mint például az Északi-sarkvidéken, ahol jóval melegebb volt a megszokottnál, ebből ugyanakkor mégsem tudott a neurális háló a következő év várható anomáliájára következtetést levonni.

Balra a 2000. év hőmérséklet-anomáliája, jobbra a neurális háló számára legrelevánsabb területek

A teljes előadás alább tekinthető meg:

Szerző: Szente-Varga Bálint
Megjelent: 2020.01.21 16:01