به گزارش خبرگزاری ایمنا و به نقل از نیچر، یک تیم پژوهشی با توسعه مدل GenCast، انقلابی در پیشبینی آبوهوا ایجاد کرده است، این مدل که بر اساس دادههای تحلیل مجدد و فناوری یادگیری ماشینی (ML) طراحی شده است، میتواند با سرعت و دقت بالاتری نسبت به روشهای سنتی، پیشبینیهای آبوهوایی انجام دهد.
ویژگیهای GenCast
GenCast قادر است مجموعهای از پیشبینیهای جهانی تصادفی ۱۵ روزه را در گامهای ۱۲ ساعته و با وضوح ۰.۲۵ درجه عرض-طول جغرافیایی ارائه دهد. این مدل، بیش از ۸۰ متغیر سطحی و جوی را در نظر گرفته و با سرعت ۸ دقیقهای پیشبینیهای خود را تولید میکند، در آزمایشهای انجامشده، این مدل در ۹۷.۲ درصد از ۱۳۲۰ هدف بررسیشده، عملکرد بهتری نسبت به سیستم پیشبینی ENS، متعلق به مرکز اروپا برای پیشبینیهای میانبرد، داشته است.
مزیتهای پیشبینی احتمالی
پیشبینی آبوهوا با مدلهای سنتی مانند پیشبینی عددی آبوهوا (NWP) همواره به دلیل عدم قطعیت با چالشهایی روبهرو بوده است، GenCast با ارائه پیشبینیهای احتمالی و دقیق، امکان تصمیمگیریهای بهتری در زمینههای مختلف مانند مدیریت بحرانهای آبوهوایی، برنامهریزی انرژیهای تجدید پذیر و حتی پیشبینی مسیر طوفانهای استوایی فراهم میکند.
بهبود دقت در شرایط بحرانی
یکی از مهمترین دستاوردهای GenCast، پیشبینی دقیق آبوهوای شدید و مسیرهای طوفانهای استوایی است، همچنین این مدل در ارزیابی تولید نیروی باد عملکرد بهتری از خود نشان داده است، این ویژگیها میتواند تأثیر مستقیمی بر کاهش خسارات ناشی از بحرانهای آبوهوایی و بهبود مدیریت منابع انرژی داشته باشد.
کاربردهای عملیاتی GenCast
GenCast با بهرهگیری از دههها دادههای تحلیل مجدد، نهتنها مهارت بیشتری نسبت به مدلهای قبلی نشان داده، بلکه توانسته است فصل جدیدی را در پیشبینیهای آبوهوای عملیاتی باز کند، این مدل سرعت بالاتری در تولید پیشبینیها داشته و میتواند در تصمیمگیریهای کلیدی مرتبط با آبوهوا تأثیرگذار باشد.
معرفی مدلهای مبتنی بر یادگیری ماشینی همچون GenCast نشاندهنده پیشرفتی بزرگ در حوزه پیشبینی آبوهوا است، این دستاورد میتواند به بهبود مدیریت بحرانها و برنامهریزیهای استراتژیک در سطح جهانی کمک کند، پژوهشگران امیدوارند که این فناوری به ابزاری استاندارد در پیشبینیهای عملیاتی تبدیل شود و دقت و کارایی بیشتری در تصمیمگیریهای مرتبط با آبوهوا فراهم آورد.
نظر شما