Tim istraživača sa univerziteta Linkoln, Šefild i Reding razvio je novu metodu za poboljšanje predviđanja sezonskih vremenskih uslova u Velikoj Britaniji i severozapadnoj Evropi.
Model nudi moćan alat u potrazi za boljim razumevanjem promena u cirkulaciji atmosfere, kao i za preciznije sezonske vremenske prognoze. To bi takođe moglo da koristi mnogim sektorima, uključujući poljoprivredno-prehrambenu, energetsku, rekreativnu i turističku industriju.
Studija je rezultirala sa dva objavljena rada, jedan u Meteorološkim aplikacijama i drugi u Međunarodnom časopisu za klimatologiju.
Da bi predvideli sezonsko vreme u severozapadnoj Evropi, glavni centri za prognozu vremena trenutno se oslanjaju na skupe modele superkompjutera. Da bi dopunila ove konvencionalne metode, grupa je koristila metodu veštačke inteligencije i mašinskog učenja poznatu kao NARMAKS (nelinearni autoregresivni pokretni prosek sa eKsogenim ulazima) za predviđanje stanja severnoatlantskog mlaznog toka i atmosferske cirkulacije, od kojih su oba snažno povezana sa površinom. anomalije temperature vazduha i padavina.
NARMAKS je uspešno korišćen u mnogim drugim poljima istraživanja, iu ovom slučaju su napravljena rana predviđanja i za leto i za zimu, za nekoliko različitih obrazaca cirkulacije vazduha koji obično utiču na severnoatlantski region i naknadno sezonsko vreme u severozapadnoj Evropi.
Rezultati studije su pokazali visoku tačnost za oba godišnja doba i ispitana sva tri obrasca cirkulacije. Ovo je važno jer se konvencionalni i skuplji modeli superkompjutera bore da precizno predvide sezonske atmosferske uslove u ovoj oblasti tokom leta, težeći da potcenjuju varijacije iz godine u godinu za obe sezone.
Pored toga, NARMAKS metoda je korišćena za analizu mogućih uzroka promena atmosferske cirkulacije. Ove informacije bi se mogle koristiti za tumačenje i za poboljšanje izlaznih rezultata modela superkompjutera.
Ovaj napredak mogao bi da igra ključnu ulogu u poboljšanju sezonskih prognoza, kao i da pruži informacije o razvoju budućih modela prognoze vremena, posebno tokom letnjih meseci.
Dr Ijan Simpson, postdoktorski istraživački saradnik na Univerzitetu Linkoln, prokomentarisao je: „Pokazali smo jake veze između cirkulacije i mlaznih tokova i sezonskih površinskih vremenskih uslova u severozapadnoj Evropi.
„Dakle, koristeći NARMAKS modele za izradu sezonskih prognoza obrazaca cirkulacije, možemo ih prevesti u predviđanja sezonskih vremenskih obrazaca, na primer, anomalija temperature i padavina, u severozapadnoj Evropi koja će biti od interesa za različite zainteresovane strane.
„Na primer, pružanje preciznijih sezonskih prognoza pomoći će poljoprivredno-prehrambenoj industriji, pomažući da se farmerama pruži ideja o verovatnim prinosima za sezonu i kako najbolje optimizovati sisteme useva i planirati žetvu.
Edvard Hana, profesor nauke o klimi i meteorologije na Univerzitetu Linkoln, dodao je: „Ovo je uzbudljiv projekat koji je okupio različite discipline i stručnjake za meteorološke nauke i mašinsko učenje sa ciljem poboljšanja sezonskog predviđanja vremena i primene rezultata na krajnji korisnici.
„Naši objavljeni radovi pokazuju veliki potencijal za NARMAKS modeliranje da igra značajnu ulogu u pomaganju da se poboljša sledeća generacija modela za predviđanje superkompjutera, koji su istorijski bili gladni za izračunavanjem, i u poboljšanju sezonskih prognoza.
Dr Jiming Sun, istraživač saradnik na Univerzitetu u Šefildu, rekao je: „Razvili smo i primenili NARMAKS metod mašinskog učenja da predvidimo sezonsko stanje atmosferske cirkulacije i mlaznog toka severnog Atlantika.
„Model je pokazao visok stepen tačnosti predviđanja u poređenju sa dinamičkim modelima. Stoga, NARMAKS može da se koristi da pomogne u poboljšanju veštine sezonske prognoze i informiše razvoj dinamičkih modela superkompjutera.“
