Tekoälyä Käytetään Parantamaan Ukkosennustusta

Säänennustus on parantunut merkittävästi viimeisen vuosikymmenen aikana, ja viiden päivän ennusteet ovat nyt noin 90 %:n osalla oikein. Säästä yksi asia, joka on pitkään ollut vaikea ennustaa, on ukkonen. Koska ukkonen on niin arvaamaton, on hyvin vaikea vähentää sitä vahinkoa, jonka se voi aiheuttaa ihmishenkiin, omaisuuteen ja luontoon. Kiitos EPFL:n (Ecole Polytechnique Fédérale de Lausanne) insinööritieteellisen tiedekunnan tutkimusryhmän työstä, ukkosia voidaan pian ennustaa paljon tarkemmin.

SciTechDailyn mukaan EPFL:n insinööritieteellisen tiedekunnan sähkömagneettisen yhteensopivuuden laboratorion tutkimusryhmä on luonut älykkään ohjelman, joka pystyy ennustamaan ukkosia 10-30 minuutin välein ja 30 kilometrin säteellä. Insinööritiimin kehittämä järjestelmä soveltaa tekoälyalgoritmeja meteorologisiin tietoihin, ja järjestelmä tullaan käyttämään Euroopan Laser Lightning Rod -hankkeessa.

European Laser Lightning Rod (ELLR) -hankkeen tavoitteena on luoda uusia salamansuojeluja ja -tekniikoita. ELLR pyrkii luomaan järjestelmän, joka käyttää laserin avulla vähentämään alaspäin suuntautuvia luonnollisia ukkosia, saavuttamalla ylöspäin suuntautuvia salamoihin.

Tutkimusryhmän mukaan nykyiset ukkosennustusmenetelmät perustuvat tietoihin, jotka on kerätty sääsatelliiteista tai tutkista, mikä on hyvin kallista. Tutkaa käytetään skannaamaan myrskyjä ja määrittämään myrskyn sähköinen potentiaali. Muut salamansuojeluja vaativat usein kolmen tai useamman vastaanottimen käyttöä alueella, jotta ukkosia voidaan kolmiokaistaa. Ennusteiden tekeminen tällä tavoin on usein hidasta ja monimutkaista prosessia.

Sen sijaan EPFL-tiimin kehittämä menetelmä käyttää tietoja, jotka voidaan kerätä mihin tahansa standardiin sääasemaan. Tämä tarkoittaa, että tiedot ovat paljon halvempia ja helpompia kerätä, ja järjestelmää voidaan soveltaa myös syrjäisille alueille, joilla satelliitti- tai tutkajärjestelmiä ei ole ja joissa viestintäverkot ovat heikkoja.

Tiedot ennusteiden tekemiseksi voidaan kerätä nopeasti ja reaaliajassa, mikä tarkoittaa, että alue voidaan varoittaa tulossa olevista ukkosista jopa ennen kuin myrsky on muodostunut alueella. ScienceDailyn mukaan EPFL-tiimin käyttämä menetelmä ennusteiden tekemiseksi on tekoälyalgoritmi, joka on koulutettu tietoihin, jotka on kerätty 12 Sveitsin sääasemalta. Tiedot kattoivat kymmenen vuoden ajanjaon, ja sekä vuoristo- että kaupunkialueet olivat edustettuina tietojoukossa.

Syy siihen, että ukkosia voidaan ennustaa lainkaan, on se, että ne ovat voimakkaasti korreloituneita tiettyjen sääolosuhteiden kanssa. Yksi tärkeimmistä aineksista salaman muodostumiselle on voimakas konvektio, jossa kostea ilma nousee, kun ilmakehä muuttuu epävakaaksi paikallisesti. Vedenpilkkujen, jääkidejen ja muiden molekyylien väliset törmäykset pilvissä voivat aiheuttaa sähköisiä varauksia pilvissä. Tämä varauksen erottuminen johtaa pilvikerrosten muodostumiseen, joilla on vastakkaiset varaukset, mikä puolestaan johtaa purkauksiin, jotka näkyvät salamoina. Ilmakehän ominaisuudet, jotka liittyvät näihin sääoloihin, voidaan syöttää tekoälyalgoritmeihin ukkosien ennustamiseksi.

Tietojoukossa olivat muun muassa tuulen nopeus, suhteellinen kosteus, ilman lämpötila ja ilmanpaine. Nämä ominaisuudet oli merkitty rekisteröidyillä salamoilla ja salaman havaitsemisjärjestelmän sijainnilla. Näiden ominaisuuksien perusteella algoritmi pystyi tulkitsemaan kuviota olosuhteissa, jotka johtivat ukkosiin. Kun malli testattiin, se osoittautui pystyväksi ennustamaan ukkosia oikein noin 80 %:ssa tapauksista.

EPFL-tiimin malli on merkittävä, koska se on ensimmäinen esimerkki järjestelmästä, joka perustuu yleisesti saatavilla oleviin meteorologisiin tietoihin ja pystyy tarkasti ennustamaan ukkosia.