Makine Öğrenmesiyle Hava Durumu Tahminleri Netleşiyor

Haziran ve Eylül ayları arasında meydana gelen Güney Asya muson mevsimi, Hindistan yarımadasındaki bir milyardan fazla insana çok önemli yağışlar getiriyor. Bu yağmur olaylarının zamanlamasını ve yoğunluğunu tahmin etmek, tarımsal planlama ve sele hazırlık açısından hayati öneme sahiptir. Mevcut hava durumu tahminleri yalnızca birkaç gün öncesine kadar güvenilir olsa da makine öğrenimine dayalı yeni bir yaklaşım, Güney Asya muson yağışlarının 10 ila 30 gün öncesinden tahmin edilmesinde dikkate değer bir doğruluk gösterdi.

Eviatar Bach liderliğindeki araştırma ekibi, makine öğrenimini geleneksel sayısal modellemeyle birleştiren yeni bir tahmin yöntemi geliştirdi. Model, yoğun yağış döngülerini ve ardından kurak dönemleri içeren musonun mevsim içi salınımlarına (MISO’lar) ilişkin verileri birleştirerek, anlaşılması zor iki ila dört haftalık zaman çizelgesine ilişkin tahminleri önemli ölçüde iyileştirdi. Bu ilerleme, muson yağmurları gibi hava koşullarını etkilemesi beklenen iklim değişikliği karşısında daha iyi hazırlıklı olunması açısından çok önemli.

Hava tahmininde kullanılan geleneksel sayısal modeller, atmosferin kaotik yapısından dolayı zorluklarla karşı karşıyadır ve tahmin edilebilirliklerini yaklaşık 10 günle sınırlandırmaktadır. Bununla birlikte, makine öğrenimi tekniklerini entegre ederek araştırmacılar, daha uzun zaman ölçekleri için tahminlerin doğruluğunu artırmayı başardılar. Kombine yaklaşım, gözlemlenen verilerle korelasyonların yüzde 70’e kadar iyileşmesiyle sonuçlandı ve bu, mevcut yöntemlere göre önemli bir iyileşmeye işaret ediyor.

Bu araştırma yalnızca Güney Asya muson davranışına ilişkin anlayışımızı geliştirmekle kalmıyor, aynı zamanda hava tahmininde makine öğreniminin potansiyelinin de altını çiziyor. Hem makine öğreniminden hem de sayısal modellemeden yararlanan çalışma, etkili iklim adaptasyonu ve azaltım çabaları için kritik öneme sahip olan mevsim altı tahminlerin iyileştirilmesi için umut verici bir çerçeve sağlıyor.

 

Kaynak: Caltech

CEVAP VER

Please enter your comment!
Please enter your name here