एआई मॉडल बड़े उष्णकटिबंधीय तरंगों और महासागरीय धाराओं की भविष्यवाणी में मदद करते हैं

एक शोधकर्ता दल ने हाल ही में एक एआई मॉडल डिज़ाइन किया है जो सैकड़ों मील/किलोमीटर तक फैले महासागरीय घटनाओं की भविष्यवाणी करने में सक्षम है, जैसे कि उष्णकटिबंधीय अस्थिरता तरंगें (टीआईडब्ल्यू)। उष्णकटिबंधीय अस्थिरता तरंगें (टीआईडब्ल्यू) एक महासागरीय घटना है जो प्रशांत महासागर में समानांतर रूप से होती है। प्रशांत टीआईडब्ल्यू में घुमावदार, त्रिभुजाकार तरंगों की गति शामिल है जो उष्णकटिबंधीय प्रशांत ठंडे जीभ के किनारों के साथ पश्चिम की ओर बढ़ती हैं – एक क्षेत्र जो इसके चारों ओर के महासागर से उल्लेखनीय रूप से ठंडा है।

टीआईडब्ल्यू को उत्पन्न करने वाले पर्यावरणीय कारक असाधारण रूप से जटिल हैं और इस घटना की भविष्यवाणी करना मुश्किल है। टीआईडब्ल्यू की भविष्यवाणी करना आमतौर पर जटिल सांख्यिकीय और भौतिक मॉडल के साथ किया जाता है। हालांकि, एक शोधकर्ता दल ने हाल ही में एक एआई मॉडल डिज़ाइन किया है जिसका उद्देश्य टीआईडब्ल्यू और अन्य महासागरीय घटनाओं की बेहतर भविष्यवाणी करना है।

फिज़.ऑर्ग के अनुसार, शोध दल का नेतृत्व चीनी विज्ञान अकादमी (आईओसीएएस) के महासागर विज्ञान संस्थान के प्रोफेसर ली शियाओफेंग ने किया था, और टीम में शंघाई महासागर विश्वविद्यालय और प्राकृतिक संसाधन मंत्रालय के दूसरे महासागर विज्ञान संस्थान जैसे विभिन्न चीनी महासागर विज्ञान प्रभागों के सदस्य शामिल थे। टीम ने उपग्रह डेटा का उपयोग करके एक गहरे शिक्षण मॉडल को डिज़ाइन किया जिसका उद्देश्य अस्थिरता तरंगों का विश्लेषण करना था क्योंकि वे महासागर में हजारों किलोमीटर तक चलती हैं। यहां तक कि वैश्विक उपग्रह डेटा के साथ, महासागरीय घटनाओं पर प्रभाव डालने वाले पर्यावरणीय कारकों को निर्धारित करना मुश्किल हो सकता है, लेकिन लक्ष्य यह है कि एआई मॉडल पारंपरिक मॉडल की तुलना में इन 변수 को समझने और भविष्यवाणी करने में बेहतर काम कर सकते हैं।

शोधकर्ताओं द्वारा डिज़ाइन किया गया गहरा शिक्षण मॉडल उपग्रह द्वारा संग्रहीत समुद्री सतह तापमान डेटा का उपयोग करता था, वर्तमान पैटर्न का विश्लेषण करता था और उन्हें पिछले वर्षों में संग्रहीत सतह तापमान डेटा के साथ तुलना करता था। शोधकर्ताओं ने मॉडल को लगभग नौ वर्षों के डेटा पर प्रशिक्षित और परीक्षण किया। जब परिणामों का विश्लेषण किया गया, तो शोधकर्ताओं ने पाया कि मॉडल टीआईडब्ल्यू के परिणामस्वरूप समुद्री सतह तापमान में परिवर्तन की सटीक और निरंतर भविष्यवाणी करने में सक्षम था।

अध्ययन से पता चलता है कि बड़े डेटासेट द्वारा समर्थित एआई मॉडल महासागरों में даже सबसे जटिल घटनाओं की भविष्यवाणी करने के विश्वसनीय तरीके हो सकते हैं।

“एआई-आधारित मॉडल, सांख्यिकीय मॉडल और पारंपरिक संख्यात्मक मॉडल एक दूसरे को पूरक कर सकते हैं और जटिल महासागरीय विशेषताओं के अध्ययन के लिए एक नई दृष्टि प्रदान कर सकते हैं,” ली शियाओफेंग ने फिज़.ऑर्ग के अनुसार समझाया।

उम्मीद है कि जैसे-जैसे मॉडल में सुधार और परिष्कार किया जाता है, यह बड़ी लहरों और तूफानों की भविष्यवाणी में मदद करेगा, जिसका व्यावहारिक अनुप्रयोग महासागर नेविगेशन प्रणालियों और तटीय शहरों को नुकसान पहुंचाने वाली गंभीर मौसम की घटनाओं की भविष्यवाणी के लिए हो सकता है। यह शोध विशेष रूप से तब मूल्यवान है जब जलवायु परिवर्तन महासागरीय धाराओं की गति और उनके आसपास के वातावरण के साथ उनकी बातचीत को बदल रहा है। ली शियाओफेंग और उनके सहयोगियों द्वारा किया गया शोध एआई एल्गोरिदम और उपग्रह डेटा का उपयोग करके महासागरीय धाराओं और संबंधित घटनाओं के आंदोलन और भविष्यवाणी के बारे में जानने की बढ़ती प्रवृत्ति का हिस्सा है।

महासागरीय घटनाओं को ट्रैक और भविष्यवाणी करने के लिए एआई का उपयोग करने के अन्य उदाहरण के रूप में, इस साल की शुरुआत में प्लीमाउथ मैरीन लेबोरेटरी और एजियन विश्वविद्यालय के शोधकर्ताओं की एक टीम ने एक अध्ययन प्रकाशित किया जिसमें देखा गया कि मशीन लर्निंग एल्गोरिदम और उपग्रह डेटा का उपयोग करके कैसे सांद्रता प्लास्टिक कचरे के क्षेत्रों की पहचान की जा सकती है और इसके प्रसार को ट्रैक किया जा सकता है।

टीम ने प्लास्टिक कचरे की उपग्रह छवियों को लिया और एक छवि पहचान प्रणाली को प्रशिक्षित किया, यह देखने के लिए कि क्या प्रणाली लकड़ी, समुद्री शैवाल और अन्य प्राकृतिक तैरती वस्तुओं से प्लास्टिक कचरे के पैच को सटीक रूप से पहचान सकती है। अध्ययन के परिणामों के अनुसार, एल्गोरिदम लगभग 86% समय तक कचरे की सही पहचान करने में सक्षम था। शोधकर्ता मॉडल में सुधार करना चाहते हैं और एक प्रणाली बनाना चाहते हैं जो तटों और नदियों के साथ प्लास्टिक कचरे की पहचान और सफाई को सुविधाजनक बना सके।