Ny undersøgelse bruger kunstig intelligens og maskinlæring til at forbedre sæsonbestemte vejrudsigter

Et team af forskere ved universiteterne i Lincoln, Sheffield og Reading har udviklet en ny metode til at forbedre forudsigelsen af ​​sæsonbestemte vejrforhold i Storbritannien og Nordvesteuropa.

Modellen tilbyder et kraftfuldt værktøj i søgen efter bedre at forstå ændringer i atmosfærisk cirkulation samt lave mere præcise sæsonbestemte vejrudsigter. Det kunne også gavne mange sektorer, herunder landbrugsfødevare-, energi-, fritids- og turismeindustrien.

Undersøgelsen resulterede i to publicerede artikler, en i Meteorological Applications og en anden i International Journal of Climatology .

For at forudsige sæsonbetinget vejr over Nordvesteuropa er store vejrudsigtscentre i øjeblikket afhængige af dyre supercomputermodeller. For at supplere disse konventionelle metoder brugte gruppen en kunstig intelligens og maskinindlæringsmetode kendt som NARMAX (Nonlinear AutoRegressive Moving Average-modeller med eXogene input) til at forudsige tilstanden af ​​den nordatlantiske jetstrøm og atmosfærisk cirkulation, som begge er stærkt forbundet med overfladen. lufttemperatur og nedbørsanomalier.

NARMAX er blevet brugt med succes inden for mange andre forskningsfelter, og i dette tilfælde blev der lavet tidlige forudsigelser for både sommer og vinter, for flere forskellige luftcirkulationsmønstre, der almindeligvis påvirker den nordatlantiske region og det efterfølgende nordvesteuropæiske sæsonvejr.

Undersøgelsesresultaterne viste høj nøjagtighed for begge årstider og alle tre undersøgte cirkulationsmønstre. Dette er vigtigt, fordi de konventionelle og dyrere supercomputermodeller kæmper for nøjagtigt at forudsige sæsonbestemte atmosfæriske forhold over dette område om sommeren, og har en tendens til at undervurdere år-til-år variationer for begge sæsoner.

Derudover er NARMAX-metoden blevet brugt til at analysere mulige årsager til atmosfæriske cirkulationsændringer. Denne information kan bruges til fortolkning og til at hjælpe med at forbedre supercomputermodellens output.

Dette gennembrud kan spille en afgørende rolle i at forbedre sæsonprognoser samt informere udviklingen af ​​fremtidige vejrudsigtsmodeller, især i sommermånederne.

Dr. Ian Simpson, postdoc ved University of Lincoln, kommenterede:"Vi har påvist stærke forbindelser mellem cirkulation og jetstrømsmønstre og sæsonbestemte overfladevejrforhold i Nordvesteuropa.

"Da vi har brugt NARMAX-modeller til at producere sæsonbestemte prognoser for cirkulationsmønstre, kan vi oversætte dem til forudsigelser af sæsonbestemte vejrmønstre, f.eks. temperatur- og nedbørsanomalier, i Nordvesteuropa, som vil være af interesse for en bred vifte af interessenter." P>

"For eksempel vil mere nøjagtige sæsonbestemte prognoser hjælpe landbrugsfødevareindustrien, hjælpe med at give landmændene en idé om de sandsynlige udbytter for sæsonen, og hvordan man bedst optimerer afgrødesystemer og planlægger høsten."

Edward Hanna, professor i klimavidenskab og meteorologi ved University of Lincoln, tilføjede:"Dette er et spændende projekt, der har samlet forskellige discipliner og eksperter inden for meteorologisk videnskab og maskinlæring med det formål at forbedre sæsonbestemt vejrudsigt og anvende resultaterne til slutbrugere.

"Vores offentliggjorte artikler viser et stort potentiale for, at NARMAX-modellering kan spille en væsentlig rolle i at hjælpe med at forfine den næste generation af supercomputer-prognosemodeller, som historisk set har været sultne efter beregninger, og i at forbedre sæsonbestemte prognoser."

Dr. Yiming Sun, forskningsassistent ved University of Sheffield, sagde:"Vi har udviklet og anvendt en NARMAX maskinlæringsmetode til at forudsige årstidens tilstand af den nordatlantiske atmosfæriske cirkulation og jetstrøm.

"Modellen har demonstreret en høj grad af prædiktiv nøjagtighed sammenlignet med de dynamiske modeller. Derfor kan NARMAX bruges til at hjælpe med at forbedre sæsonbestemt prognosefærdighed og informere udviklingen af ​​dynamiske supercomputermodeller."

Flere oplysninger: Yiming Sun et al., Probabilistiske sæsonudsigter for nordatlantisk atmosfærisk cirkulation ved hjælp af komplekse systemmodellering og sammenligning med dynamiske modeller, Meteorologiske applikationer (2024). DOI:10.1002/met.2178

Ian Simpson et al., Nordatlantiske atmosfæriske cirkulationsindeks:Forbindelser med sommer- og vintertemperatur og nedbør i Nordvesteuropa, herunder persistens og variabilitet, International Journal of Climatology (2024). DOI:10.1002/joc.8364

Leveret af University of Lincoln