Brug af AI til at forudsige, hvor og hvornår lynet vil slå ned

Lyn er et af de mest uforudsigelige fænomener i naturen. Den dræber jævnligt mennesker og dyr og sætter ild til huse og skove. Det holder flyet jordet og beskadiger elledninger, vindmøller og solcelleanlæg. Imidlertid, lidt er kendt om, hvad der udløser lyn, og der er ingen simpel teknologi til at forudsige, hvornår og hvor lynet vil slå ned i jorden.

På EPFL's School of Engineering, forskere i Electromagnetic Compatibility Laboratory, ledet af Farhad Rachidi, har udviklet et simpelt og billigt system, der kan forudsige, hvornår lynet slår ned til nærmeste 10 til 30 minutter, inden for en radius på 30 kilometer. Systemet bruger en kombination af standard meteorologiske data og kunstig intelligens. Forskningspapiret er udgivet i Klima og atmosfærisk videnskab , -en Natur partner journal. Forskerne planlægger nu at bruge deres teknologi i det europæiske Laser Lightning Rod-projekt.

"Nuværende systemer er langsomme og meget komplekse, og de kræver dyre eksterne data indsamlet af radar eller satellit, " forklarer Amirhossein Mostajabi, ph.d. elev, der fandt på teknikken. "Vores metode bruger data, der kan fås fra enhver vejrstation. Det betyder, at vi kan dække fjerntliggende områder, der er uden for radar- og satellitrækkevidde, og hvor kommunikationsnetværk er utilgængelige."

Hvad mere er, fordi dataene nemt og i realtid kan erhverves, forudsigelser kan laves meget hurtigt - og advarsler kan udsendes, selv før en storm er dannet.

Træning af maskinen ved hjælp af tilgængelige data

EPFL-forskernes metode bruger en maskinlæringsalgoritme, der er blevet trænet til at genkende forhold, der fører til lynnedslag. For at gennemføre uddannelsen, forskerne brugte data indsamlet over en tiårig periode fra 12 schweiziske vejrstationer, beliggende i både by- og bjergområder.

Fire parametre blev taget i betragtning:atmosfærisk tryk, lufttemperatur, relativ luftfugtighed og vindhastighed. Disse parametre var korreleret med optagelser fra lyndetektions- og lokaliseringssystemer. Ved at bruge den metode, algoritmen var i stand til at lære de forhold, hvorunder lynet opstår.

Når først du er blevet trænet, systemet lavede forudsigelser, der viste sig at være rigtige næsten 80% af tiden.

Det er første gang, at et system baseret på simple meteorologiske data har været i stand til at forudsige lynnedslag gennem realtidsberegninger. Metoden tilbyder en enkel måde at forudsige et komplekst fænomen.