Observatorioirsb

Menggunakan Kecerdasan Buatan untuk Memprediksi Cuaca Buruk dengan Lebih Baik

Peneliti membuat algoritma AI untuk mendeteksi formasi awan yang mengarah ke badai.

Saat meramalkan cuaca, ahli meteorologi menggunakan sejumlah model dan sumber data untuk melacak bentuk dan pergerakan awan. Yang dapat mengindikasikan badai hebat. Namun, dengan kumpulan data cuaca yang semakin berkembang dan tenggat waktu yang semakin dekat. Hampir tidak mungkin bagi mereka untuk memantau semua formasi badai – terutama yang berskala kecil – secara real time.

Kini, ada model komputer yang dapat membantu para peramal cuaca mengenali potensi badai hebat dengan lebih cepat dan akurat. Ini semua erkat tim peneliti di Penn State, AccuWeather, Inc., dan University of Almería di Spanyol. Mereka telah mengembangkan kerangka kerja berdasarkan pengklasifikasi linier pembelajaran mesin. Semacam kecerdasan buatan – yang mendeteksi gerakan rotasi di awan dari citra satelit yang mungkin tidak diketahui. Solusi AI ini berjalan pada superkomputer Bridges di Pittsburgh Supercomputing Center.

Data

Steve Wistar, ahli meteorologi forensik senior di AccuWeather, mengatakan bahwa memiliki alat ini untuk mengarahkan pandangannya ke formasi. Yang berpotensi mengancam dapat membantunya membuat ramalan yang lebih baik.

“Peramalan terbaik menggabungkan data sebanyak mungkin,” katanya. “Ada begitu banyak hal yang harus diperhatikan, karena suasananya sangat kompleks. Dengan menggunakan model dan data yang kami miliki [di depan kami], kami mengambil cuplikan dari tampilan atmosfer yang paling lengkap.”

Dalam studi mereka, para peneliti bekerja dengan Wistar dan ahli meteorologi AccuWeather lainnya. Untuk menganalisis lebih dari 50.000 citra satelit cuaca AS yang bersejarah. Di dalamnya, para ahli mengidentifikasi dan memberi label bentuk dan gerakan awan “berbentuk koma”. Pola awan ini sangat terkait dengan formasi siklon. Yang dapat menyebabkan peristiwa cuaca buruk termasuk hujan es, badai petir, angin kencang, dan badai salju.

Kemudian, dengan menggunakan visi komputer dan teknik pembelajaran mesin. Para peneliti mengajarkan komputer untuk secara otomatis mengenali dan mendeteksi awan berbentuk koma pada citra satelit. Komputer kemudian dapat membantu para ahli dengan menunjukkan secara real time di mana, di lautan data. Dapat memusatkan perhatian mereka untuk mendeteksi permulaan cuaca buruk.

“Karena awan berbentuk koma adalah indikator visual dari peristiwa cuaca buruk. Skema kami dapat membantu ahli meteorologi memperkirakan peristiwa tersebut”. Kata Rachel Zheng, mahasiswa doktoral di Sekolah Tinggi Ilmu dan Teknologi Informasi di Penn State dan peneliti utama di proyek.

Akurasi

Para peneliti menemukan bahwa metode mereka dapat secara efektif mendeteksi awan berbentuk koma dengan akurasi 99 persen. Dengan rata-rata 40 detik per prediksi. Itu juga mampu memprediksi 64 persen peristiwa cuaca buruk. Mengungguli metode deteksi cuaca buruk lainnya yang ada.

“Metode kami dapat menangkap sebagian besar awan berlabel manusia, berbentuk koma,” kata Zheng. “Selain itu, metode kami dapat mendeteksi beberapa awan berbentuk koma sebelum sepenuhnya terbentuk. Dan deteksi kami terkadang lebih awal dari pengenalan mata manusia.”

“Panggilan bisnis kami adalah menyelamatkan nyawa dan melindungi properti,” tambah Wistar. “Semakin awal pemberitahuan kepada orang-orang yang akan terkena dampak badai, semakin baik kami menyediakan layanan itu. Kami mencoba untuk mengeluarkan informasi terbaik sedini mungkin.”

Proyek ini meningkatkan pekerjaan sebelumnya antara AccuWeather dan kelompok penelitian College of IST. Yang dipimpin oleh profesor James Wang, yang merupakan penasihat disertasi Zheng.

“Kami menyadari ketika kolaborasi kami dimulai [dengan AccuWeather pada tahun 2010]. Bahwa tantangan signifikan yang dihadapi ahli meteorologi dan ahli iklim adalah memahami jumlah data yang luas dan terus meningkat. Yang dihasilkan oleh satelit observasi Bumi, radar, dan jaringan sensor,” kata Wang. “Sangatlah penting untuk memiliki sistem komputerisasi yang menganalisis dan belajar dari data. Sehingga kami dapat memberikan interpretasi data yang tepat waktu. Dan tepat dalam aplikasi yang sensitif terhadap waktu seperti prakiraan cuaca buruk.”

Dia menambahkan, “Penelitian ini merupakan upaya awal untuk menunjukkan kelayakan interpretasi berbasis kecerdasan buatan. Dari informasi visual terkait cuaca kepada komunitas penelitian. Lebih banyak penelitian untuk mengintegrasikan pendekatan ini dengan model prediksi cuaca numerik yang ada. Dan model simulasi lainnya kemungkinan akan membuat ramalan cuaca lebih akurat dan berguna bagi orang-orang. ”

Kesimpulan

Wistar menyimpulkan. “Manfaat [dari penelitian ini] adalah menarik perhatian seorang peramal yang sangat sibuk ke sesuatu yang mungkin telah terlewatkan.”