Deep learning -applikation, der kan forudsige El Niño -begivenheder op til 18 måneder i forvejen

En trio af forskere fra Chonnam National University, Nanjing University of Information Science and Technology og det kinesiske videnskabsakademi har fundet ud af, at et konvolutivt neuralt netværk med dyb læring var i stand til præcist at forudsige El Niño -begivenheder op til 18 måneder i forvejen. I deres papir offentliggjort i tidsskriftet Natur , Yoo-Geun Ham, Jeong-Hwan Kim og Jing-Jia Luo, beskrive deres deep learning -applikation, hvordan det blev trænet, og hvor godt det fungerede til at forudsige El Niño -begivenheder.

El Niño-Southern Oscillation-begivenheder er perioder, hvor vandet varmer over normale temperaturer i tropiske dele af Stillehavet. Når det varme vand bevæger sig mod øst, det fører til mere nedbør og andre vejrhændelser, såsom orkaner, i Amerika, og mindre regn i Australien og Indonesien. Nuværende modeller kan præcist forudsige sådanne hændelser ved hjælp af data fra vandtemperaturmålere spredt over hele kloden op til et år i forvejen. Forskere vil gerne kunne forudsige sådanne begivenheder endnu hurtigere, imidlertid, fordi de kan have stor indflydelse på områder, hvor vejret skifter. Ved, hvornår en tørke kommer i Indonesien, for eksempel, kunne hjælpe embedsmænd med at forberede madbutikker til at fodre folk, der pludselig ikke kunne dyrke deres mad i en periode. I denne nye indsats, forskerne tog en anden tilgang til at forudsige El Niño-begivenheder ved hjælp af et dybtgående neuralt netværk frem for konventionelle vejrudsigtsmodeller.

Forskerne rapporterer, at de har uddannet deres system ved hjælp af data indsamlet fra vejrstationer i årene 1871 til 1973. Data fra sådanne kilder omfattede en række forskellige vejr- og miljømålinger såsom havtemperaturer og gennemsnitligt havvarmeindhold. Forskerne uddannede det også på 300 El Niño -begivenheder, der fandt sted mellem årene 1961 til 2005. Når systemet var blevet lært at genkende de forhold, der førte til El Niño -begivenheder, de testede det ved hjælp af data fra 1984 til 2017. De rapporterer, at deres system var mere præcist end nuværende vejrmodeller, korrekt identificering af 24 ud af 34 begivenheder, sammenlignet med kun 20 af de samme hændelser identificeret ved konventionel modellering. Systemet kunne også gøre det 18 måneder i forvejen. Forskerne rapporterer også, at deres system var i stand til at genkende andre begivenheder, der menes at føre til El Niño -begivenheder, såsom en dipol i Det Indiske Ocean.

© 2019 Science X Network