Svake godine, sezona južnoazijskih monsuna donosi obilne kiše za više od milijardu ljudi na indijskom potkontinentu između juna i septembra. Kiša pada u oscilacijama: neke nedelje vide 1 do 4 inča vode, dok su druge nedelje uglavnom suve. Predviđanje kada će nastupiti ovi suvi i vlažni periodi je od ključnog značaja za poljoprivredno i urbano planiranje, omogućavajući poljoprivrednicima da znaju kada da poberu useve i pomažući gradskim zvaničnicima da se pripreme za poplave. Međutim, dok su vremenska predviđanja uglavnom tačna u roku od jednog ili dva dana, precizno predviđanje vremena za nedelju ili mesec je veoma teško.
Sada se pokazalo da nova prognoza zasnovana na mašinskom učenju preciznije predviđa južnoazijske monsunske padavine 10 do 30 dana unapred, što je značajno poboljšanje u odnosu na trenutne najsavremenije prognoze koje koriste numeričko modeliranje umesto veštačke inteligencije da se predviđaju. Razumevanje ponašanja monsuna je takođe važno jer je ova vrsta padavina glavna atmosferska karakteristika globalne klime.
Istraživanje je vodio Evijatar Bah, postdoktorski naučni saradnik Foster i Koko Stanbek u oblasti nauke o životnoj sredini i inženjeringa, koji radi u laboratorijama Tapija Šnajdera, profesora nauke o životnoj sredini i inženjerstva Teodora I. Vua i višeg istraživača JPL; i Andrev Stuart, Bren profesor računarstva i matematičkih nauka.
Rad koji opisuje novi metod pojavljuje se u časopisu PNAS.
„Postoji velika zabrinutost oko toga kako će klimatske promene uticati na monsun i druge vremenske događaje kao što su uragani, toplotni talasi i tako dalje“, kaže Bah. „Poboljšanje predviđanja u kraćim vremenskim okvirima je važan deo odgovora na klimatske promene jer moramo biti u mogućnosti da poboljšamo spremnost za ove događaje.
Predviđanje vremena je teško jer atmosfera sadrži brojne nestabilnosti — na primer, atmosfera se neprestano zagreva od zemlje ispod, što dovodi do hladnog, gušćeg vazduha iznad toplijeg, manje gustog vazduha — kao i nestabilnosti uzrokovane neravnomernim zagrevanjem i rotacijom Zemlje. Ove nestabilnosti dovode do haotične situacije u kojoj se greške i neizvesnosti u modeliranju ponašanja atmosfere brzo umnožavaju, čineći skoro nemogućim predviđanje dalje u budućnost.
Trenutni najsavremeniji modeli koriste numeričko modeliranje, koji su kompjuterske simulacije atmosfere zasnovane na jednačinama fizike koje opisuju kretanje tečnosti. Zbog haosa, maksimalno predvidljivo vreme za vreme velikih razmera je obično oko 10 dana. Predviđanje dugogodišnjeg prosečnog ponašanja atmosfere – odnosno klime – takođe je moguće, ali predviđanje vremena u vremenskom intervalu od dve nedelje do nekoliko meseci predstavljalo je izazov sa numeričkim modelima.
Sa južnoazijskim monsunima, kiša ima tendenciju da pada u ciklusima intenzivnih naleta praćenih sušnim periodima. Ovi ciklusi su poznati kao monsunske intrasezonske oscilacije (MISO). U novom istraživanju, Bah i njegovi saradnici dodali su komponentu mašinskog učenja trenutnim najsavremenijim numeričkim modelima. Ovo je omogućilo istraživačima da prikupe podatke o MISO-ima i naprave bolja predviđanja padavina u neuhvatljivom vremenskom okviru od dve do četiri nedelje. Dobijeni model je bio u stanju da poboljša korelacije predviđanja sa zapažanjima do 70%.
„U poslednjih nekoliko godina, došlo je do povećanog interesovanja za korišćenje mašinskog učenja za predviđanje vremena“, kaže Bah. „Naš rad pokazuje da kombinacija mašinskog učenja i tradicionalnijeg numeričkog modeliranja može dati tačne rezultate.“
Rad je naslovljen „Poboljšano podsezonsko predviđanje južnoazijskih monsunskih padavina korišćenjem prognoza oscilatornih modova zasnovanih na podacima. Pored Baha, koautori su V. Krishnamurthi i Jagadish Shukla sa Univerziteta George Mason; Safa Mote sa Državnog univerziteta Portland; A. Surjalal Sharma i Eugenia Kalnai sa Univerziteta Merilend; i Michael Ghil iz Ecole Normale Superieure u Parizu, UCLA i Imperial College London.
