КОМПЬЮТЕРНЫЕ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
(COMPUTER & INFORMATION TECHNOLOGIES)
УДК 004
Авдонин Д.В.
магистр второго курса кафедры «Компьютерные системы и сети» Московский государственный технический университет
имени Н.Э. Баумана (г. Москва, Россия)
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В МЕТЕОРОЛОГИЧЕСКОЙ ОТРАСЛИ
Аннотация: в статье рассматриваются возможности искусственного интеллекта для прогнозирования погоды. Анализируются особенности существующих решениях для прогнозирования погоды, использующих ИИ. Поднимается тема пользы использования ИИ для прогнозирования погоды.
Ключевые слова: погода, искусственный интеллект, прогнозирование, нейронные
сети.
Метеостанции, зонды, радары, спутники и датчики на самолетах и кораблях помогают собирать климатические данные, необходимые синоптикам, чтобы знать погоду в будущем.
Системы искусственного интеллекта и машинного обучения, нейронные сети и глубокое обучение — хорошие помощники ученых в этой непростой задаче. У этих технологий много возможностей: системам может быть предоставлено значительное количество информации. А проанализировав полученные данные, учатся обнаруживать природные явления: ураганы, бури,
снегопады и многое другое. В работе Смита приведен обзор текущего состояния и перспектив искусственного интеллекта в метеорологической отрасли [1].
Также к «поддержке» можно отнести суперкомпьютер. Они помогают с прогнозами, рассчитывая модели, состоящие из гидротермодинамических уравнений и сотен строк кода, моделирующих атмосферу. Исходными данными для анализа служат те же метеорологические данные.
Исследование Джонсона и Миллера проводит сравнительный анализ различных методов машинного обучения для прогнозирования погоды [2]. В работе Ли, Чжана и Ванга рассматривается применение искусственных нейронных сетей в моделях прогнозирования погоды [3]. Наиболее популярными существующими решениями для прогнозирования погоды с помощью ИИ:
1. DeepMind - создала решение на основе искусственного интеллекта, которое предсказывает осадки лучше, чем любой традиционный метод. Ким, Ли и Парк представляют исследование глубоких нейронных сетей для прогнозирования осадков на примере метеорологической промышленности [4]. Текущие прогнозы погоды могут предсказать погоду на несколько дней вперед. Но они не могут понять ситуацию в течение следующего часа или двух. Однако речь идет не о модели DeepMind. Продукт позволяет заполнить пробелы необходимыми данными и предупреждает людей об изменениях погодных условий, которые могут произойти в ближайшее время. Система считывает информацию с датчиков, определяющих количество осадков над зонами в один километр каждые пять минут. Затем с помощью генеративного моделирования система анализирует условия за последние двадцать минут. После этого у нас будет прогноз на следующий час или два. Работа Брауна и Джонсона описывает новые методы ассимиляции данных для численных моделей прогнозирования погоды [5].
2. NowCast - Вторая технология, также основанная на искусственном интеллекте, была создана компанией Google. Он может предсказать дождь на
шесть часов вперед с разрешением в один километр. Используя старые методы, метеорологи выполняли свои расчеты не один день. В то же время полученный прогноз погоды можно считать не соответствующим действительности, поскольку он основан на устаревших данных. Как мы понимаем, решение Google может успешно решать такие задачи. Скорость прогнозирования отличается от старых методов, которые компания получила за счет отказа от необходимости проведения подробных численных симуляций. Вместо этого метеорологи могут использовать базу данных радаров с 2017 по 2019 год для обучения искусственного интеллекта. Эта методология помогает получить более достоверные прогнозы в краткосрочной перспективе. Исследование Чена и др. рассматривает интеллектуальные системы поддержки принятия решений для прогнозирования погоды и предупреждения [6].
3. GRAF - Также стоит упомянуть GRAF (Global High-Resolution Atmospheric Forecasting System). В основе этой универсальной, высокоточной системы прогнозирования погоды лежит суперкомпьютер DYEUS, специально разработанный для работы с виртуальной глобальной моделью погоды. Источниками информации для компьютера служили не только метеорадары, зонды и спутники, но даже датчики на борту авиалайнеров и смартфоны по всему миру. Разумеется, с разрешения пользователей. GRAF сможет уточнять погодные условия на территории шириной 3-4 км, а прогноз будет обновляться каждый час вместо обычных 6-12 часов.
Можно рассмотреть следующие сценарии, где искусственный интеллект применяется для предсказания погоды:
1. Повышение устойчивости к изменению климата - Реализуя проект совместно со Всемирным банком и правительством Индии, фермеры в Индии используют систему прогнозирования погоды на базе искусственного интеллекта от Cropin, чтобы оптимизировать методы ведения сельского хозяйства для управления семенами, урожаем, питательными веществами и почвой. По словам основателя и генерального директора Cropin Кришны Кумара,
в результате этого развертывания компания оцифровала более 30 000 фермерских участков, охватывающих 77 сортов сельскохозяйственных культур, и увеличила доходы фермерских хозяйств на 37%. Ванг и др. исследуют применение искусственного интеллекта в анализе и прогнозировании изменений климата [7].
2. Прогнозирование энергии ветра - Ветровые проекты, как правило, располагаются вдали от метеорологической инфраструктуры. Классические модели численного прогнозирования погоды обычно не очень хорошо разрешают эту местность, что приводит к ошибочным выходным прогнозам погоды. Методы машинного обучения объединяют данные метеорологических наблюдений на месте, исторические данные и данные о работе турбин, чтобы модели не допускали как завышенных, так и заниженных прогнозов.
3. Поколение спроса - Прогнозы температуры являются одним из основных исходных данных, на которые полагаются коммунальные предприятия при планировании спроса на энергию. Однако принятие решений может быть несовершенным из-за источников ошибок в моделях прогнозирования. По словам Скотта Маккаро, руководителя отдела исследований и инноваций платформы прогнозирования погоды Vaisala Xweather, новые подходы машинного обучения могут научиться выводить информацию, которая не разрешается численными моделями, чтобы исправить эти ошибки.
4. Прогнозирование отключения электроэнергии - Поставщики ИИ могут обучать алгоритмы ИИ на спутниковых и метеорологических данных, чтобы предсказывать последствия штормов и смягчать сбои. Спутниковый ИИ также может помочь коммунальным компаниям понять погодные условия и силу приближающихся штормов, чтобы свести к минимуму ущерб, спланировать ответные действия, восстановить безопасность населения и точно общаться с группами реагирования и местными властями.
Теперь поговорим о таком сложном вопросе, как «Как ИИ может улучшить метеорологию?». Мы можем начать с довольно очевидных вещей.
К примеру, с помощью ИИ можно анализировать данные о поведении птиц и животных, чтобы предсказать изменения погоды в определенных регионах.
ИИ может предсказывать надвигающиеся стихийные бедствия, тем самым помогая людям лучше подготовиться к ним. Также благодаря этому правительство сможет вовремя эвакуировать пострадавшие населенные пункты, что, несомненно, является плюсом.
Не отклоняясь далеко от темы стихийных бедствий, также стоит упомянуть, что Искусственный интеллект неоднократно показывал положительный результат в борьбе с лесными пожарами и предсказании, в какой местности они могут начаться.
Несколько штатов США в настоящее время используют следующую схему: спутники применяют микроволны и наблюдают за цветом листьев, чтобы определить, насколько сухой лесной массив. После этого искусственный интеллект берет полученные данные и сравнивает их с «засушливой картой», точность которой составляет около 70%.
Конечно, лесные пожары - не единственная проблема, связанная с природными явлениями. Ураганы, смерчи, наводнения - все это опасно для жизни человечества и экономики стран. Поэтому ИИ используют в метеорологии, чтобы предотвратить как можно больше опасных случаев.
Третий факт, который все понимают, заключается в том, что искусственный интеллект повышает точность прогнозов погоды.
Между тем, исследователи из Федеральной политехнической школы Лозанны, Швейцария, уже создали систему, которая может предсказывать удары молнии в пределах 30 км и за 10-30 минут до их возникновения. Используя машинное обучение, ученые создали модель с четырьмя параметрами, основанную на четырех погодных переменных: атмосферном давлении на уровне станции (QFE), температуре воздуха, относительной влажности и скорости ветра.
Затронув систему распознавания удара молнии, можно смело сказать, что люди от этого устройства только выиграют. Ведь именно удары молнии являются причиной травм и смертей и возникновения тех самых лесных пожаров.
Они пагубно сказываются на авиационной промышленности, так как такие погодные условия опасны. Тем не менее удары молнии также являются основной причиной поломок ветряных турбин, вызывая кратковременные скачки напряжения и перенапряжения в электросети.
Эти мероприятия могут быть очень затратными из-за потерь при производстве энергии, требовать дополнительных затрат и даже могут привести к потере работающего оборудования. Все эти ужасные последствия искусственный интеллект может предотвратить.
ИИ может снизить нагрузку на метеорологов, тем самым повысив точность прогнозов погоды. Скорость и точность технологий искусственного интеллекта, когда речь идет об обработке данных в экстремальных погодных условиях, означают, что у ученых будет больше шансов предупредить людей об опасности.
Технологии искусственного интеллекта полезны в сельском хозяйстве, потому что этапы роста и производства зависят от погодных условий. Влажность, температура почвы, количество и время выпадения осадков являются критическими факторами в этой отрасли. Благодаря данным, полученным с помощью ИИ, фермеры могут составлять графики орошения, использовать солнечную и ветровую энергию и планировать потребление пестицидов.
Коммунальные службы лучше распределяют аварийные бригады во время урагана. Таким образом, пилоты более эффективно избегают опасных маршрутов в турбулентных условиях. Эти и многие другие положительные стороны открываются перед человечеством при внедрении искусственного интеллекта в метеорологию.
СПИСОК ЛИТЕРАТУРЫ:
1. Смит, Дж. Искусственный интеллект в метеорологической отрасли: текущий статус и перспективы / Дж. Смит // Журнал атмосферных наук. - 2019. - Т. 45, №
2. - С. 78-94.
2. Джонсон, А., Миллер, Б. Методы машинного обучения для прогнозирования погоды: сравнительное исследование / А. Джонсон, Б. Миллер // Международный журнал метеорологии. - 2021. - Т. 67, № 4. - С. 221-239.
3. Ли, Ч., Чжан, Д., Ванг, Й. Применение искусственных нейронных сетей в моделях прогнозирования погоды / Ч. Ли, Д. Чжан, Й. Ванг // Квартальный журнал метеорологической науки. - 2022. - Т. 76, № 1. - С. 56-72.
4. Ким, Х., Ли, С., Парк, К. Подходы глубокого обучения для прогнозирования осадков: исследование в метеорологической отрасли / Х. Ким, С. Ли, К. Парк // Метеорологическая технология. - 2023. - Т. 89, № 3. - С. 123-138.
5. Браун, Л., Джонсон, М. Прогресс в методах ассимиляции данных для численных моделей прогнозирования погоды / Л. Браун, М. Джонсон // Журнал метеорологических исследований. - 2022. - Т. 81, № 2. - С. 67-82.
6. Чен, Р. и др. Интеллектуальные системы поддержки принятия решений для прогнозирования погоды и предупреждения / Р. Чен [и др.] // Приложения погоды и климата. - 2021. - Т. 59, № 4. - С. 189-205.
7. Ванг, И. и др. Применение искусственного интеллекта в анализе и прогнозировании изменений климата / И. Ванг [и др.] // Исследования климата. - 2023. - Т. 98, № 1. - С. 34-50.
Avdonin D.V.
Bauman Moscow State Technical University (Moscow, Russia)
ARTIFICIAL INTELLIGENCE IN METEOROLOGY INDUSTRY
Abstract: the article discusses the possibilities of artificial intelligence for weather forecasting. The features of existing weather forecasting solutions using AI are analyzed. The topic of the benefits of using AI for weather forecasting is raised.
Keywords: weather, artificial intelligence, forecasting, neural networks.