KI-Modelle und Plattformen
KI wird eingesetzt, um die Vorhersage von Blitzschlägen zu verbessern
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Die Wettervorhersage hat sich im Laufe des letzten Jahrzehnts erheblich verbessert, mit Fünf-Tages-Vorhersagen, die jetzt etwa 90% genau sind. Ein Aspekt des Wetters, der jedoch lange Zeit versucht hat, es vorherzusagen, ist der Blitz. Da der Blitz so unvorhersehbar ist, ist es sehr schwierig, den Schaden zu minimieren, den er Menschenleben, Eigentum und der Natur zufügen kann. Dank der Arbeit eines Forschungsteams der EPFL (Ecole Polytechnique Fédérale de Lausanne) School of Engineering könnten Blitzschläge in naher Zukunft viel vorhersehbarer sein.
Wie von SciTechDaily berichtet, hat ein Team von Forschern der EPFL-School of Engineering – Electromagnetic Compatibility Laboratory – kürzlich ein KI-Programm entwickelt, das in der Lage ist, einen Blitzschlag innerhalb von 10 bis 30 Minuten und über einen Radius von 30 Kilometern genau vorherzusagen. Das von dem Ingenieurteam entwickelte System wendet Algorithmen der künstlichen Intelligenz auf meteorologische Daten an, und das System wird im Rahmen des European Laser Lightning Rod-Projekts eingesetzt.
Das Ziel des European Laser Lightning Rod (ELLR)-Projekts ist die Entwicklung neuer Arten von Blitzschutzsystemen und -techniken. Insbesondere zielt ELLR darauf ab, ein System zu entwickeln, das eine laserbasierte Technik verwendet, um die Anzahl der natürlichen Blitzschläge nach unten zu reduzieren, indem es aufwärts gerichtete Blitzentladungen stimuliert.
Laut dem Forschungsteam basieren die aktuellen Methoden der Blitzvorhersage auf Daten, die von Radar oder Satelliten gesammelt werden, was sehr teuer sein kann. Radar wird verwendet, um Stürme zu scannen und das elektrische Potenzial des Sturms zu bestimmen. Andere Blitzvorhersagesysteme erfordern oft die Verwendung von drei oder mehr Empfängern in einer Region, um die Vorkommen von Blitzen triangulieren zu können. Die Erstellung von Vorhersagen auf diese Weise ist oft ein langsamer und komplexer Prozess.
Stattdessen verwendet die von dem EPFL-Team entwickelte Methode Daten, die an jeder Standard-Wetterstation gesammelt werden können. Das bedeutet, dass die Daten viel billiger und leichter zu sammeln sind und das System möglicherweise in abgelegenen Regionen eingesetzt werden kann, in denen Satelliten- oder Radarsysteme nicht abgedeckt sind und in denen Kommunikationsnetzwerke spärlich sind.
Die Daten für die Vorhersagen können auch schnell und in Echtzeit gesammelt werden, was bedeutet, dass eine Region möglicherweise vor einem herannahenden Blitzschlag gewarnt werden kann, bevor ein Sturm in der Region gebildet wird. Wie von ScienceDaily berichtet, verwendet die Methode, die das EPFL-Team zur Vorhersage verwendet, einen Machine-Learning-Algorithmus, der auf Daten aus 12 Schweizer Wetterstationen trainiert wurde. Die Daten umfassten einen Zeitraum von einem Jahrzehnt und sowohl bergige als auch städtische Regionen waren in der Datenmenge vertreten.
Der Grund, warum Blitzschläge überhaupt vorhergesagt werden können, liegt darin, dass sie stark mit bestimmten Wetterbedingungen korreliert sind. Einer der wichtigsten Faktoren für die Bildung von Blitzen ist intensive Konvektion, bei der feuchte Luft aufsteigt, wenn die Atmosphäre in der lokalen Region instabil wird. Kollisionen zwischen Wassertropfen, Eisteilchen und anderen Molekülen in den Wolken können dazu führen, dass die elektrischen Ladungen innerhalb der Teilchen getrennt werden. Diese Trennung führt zur Bildung von Wolken mit gegenüberliegenden Ladungen, was zu den Entladungen führt, die als Blitze erscheinen. Die atmosphärischen Merkmale, die mit diesen Wetterbedingungen verbunden sind, können in Machine-Learning-Algorithmen eingegeben werden, um Blitzschläge vorherzusagen.
Unter den Merkmalen in der Datenmenge befanden sich Variablen wie Windgeschwindigkeit, relative Feuchtigkeit, Lufttemperatur und atmosphäischer Druck. Diese Merkmale wurden mit aufgezeichneten Blitzschlägen und dem Standort des Systems, das den Schlag erkannt hat, versehen. Basierend auf diesen Merkmalen konnte der Algorithmus Muster in den Bedingungen erkennen, die zu Blitzschlägen führten. Als das Modell getestet wurde, konnte es etwa 80% der Zeit einen Blitzschlag korrekt vorhersagen.
Das Modell des EPFL-Teams ist bemerkenswert, da es das erste Beispiel für ein System ist, das auf allgemein verfügbaren meteorologischen Daten basiert und Blitzschläge genau vorhersagen kann.
