एआई का उपयोग बिजली गिरने की भविष्यवाणी में सुधार करने के लिए किया जाता है

पिछले दशक के दौरान मौसम की भविष्यवाणी काफी बेहतर हो गई है, पांच-दिवसीय पूर्वानुमान अब लगभग 90% सटीक हैं। हालाँकि, मौसम का एक पहलू जिसकी भविष्यवाणी करने की कोशिशें लंबे समय से नहीं हो पाई हैं, वह है बिजली गिरना। चूँकि बिजली इतनी अप्रत्याशित है, इसलिए इससे मानव जीवन, संपत्ति और प्रकृति को होने वाले नुकसान को कम करना बहुत मुश्किल है। ईपीएफएल (इकोले पॉलिटेक्निक फेडेरेल डी लॉज़ेन) स्कूल ऑफ इंजीनियरिंग की एक शोध टीम के काम के लिए धन्यवाद, निकट भविष्य में बिजली गिरने का अनुमान अधिक लगाया जा सकता है।

जैसा कि SciTechDaily द्वारा रिपोर्ट किया गया हैईपीएफएल के स्कूल ऑफ इंजीनियरिंग - इलेक्ट्रोमैग्नेटिक कम्पैटिबिलिटी लेबोरेटरी के शोधकर्ताओं की एक टीम ने हाल ही में एक एआई प्रोग्राम बनाया है जो 10 से 30 मिनट की दूरी और 30 किलोमीटर के दायरे में बिजली गिरने की सटीक भविष्यवाणी करने में सक्षम है। इंजीनियरिंग टीम द्वारा बनाई गई प्रणाली मौसम संबंधी डेटा पर कृत्रिम बुद्धिमत्ता एल्गोरिदम लागू करती है, और इस प्रणाली का उपयोग यूरोपीय लेजर लाइटनिंग रॉड परियोजना में किया जाएगा।

यूरोपीय लेजर लाइटनिंग रॉड (ईएलएलआर) परियोजना का लक्ष्य नई प्रकार की बिजली संरक्षण प्रणाली और तकनीक बनाना है। विशेष रूप से, ईएलएलआर का लक्ष्य एक ऐसी प्रणाली बनाना है जो ऊपर की ओर बिजली की चमक को उत्तेजित करके नीचे की ओर प्राकृतिक बिजली के हमलों की मात्रा को कम करने के लिए लेजर-आधारित तकनीक का उपयोग करती है।

शोध दल के अनुसार, बिजली की भविष्यवाणी के मौजूदा तरीके रडार या उपग्रह द्वारा एकत्र किए गए डेटा पर निर्भर करते हैं, जो बहुत महंगा होता है। रडार का उपयोग तूफानों को स्कैन करने और तूफान की विद्युत क्षमता निर्धारित करने के लिए किया जाता है। अन्य बिजली भविष्यवाणी प्रणालियों को अक्सर एक क्षेत्र में तीन या अधिक रिसीवरों के उपयोग की आवश्यकता होती है ताकि बिजली की घटनाओं को त्रिकोणित किया जा सके। इस तरह से भविष्यवाणियां करना अक्सर धीमी और जटिल प्रक्रिया होती है।

इसके बजाय, ईपीएफएल टीम द्वारा विकसित विधि उस डेटा का उपयोग करती है जिसे किसी भी मानक मौसम स्टेशन पर एकत्र किया जा सकता है। इसका मतलब यह है कि डेटा इकट्ठा करना बहुत सस्ता और आसान है और सिस्टम को संभावित रूप से दूरदराज के क्षेत्रों में लागू किया जा सकता है जहां उपग्रह या रडार सिस्टम कवर नहीं करते हैं और जहां संचार नेटवर्क खराब हैं।

भविष्यवाणियों के लिए डेटा भी जल्दी और वास्तविक समय में एकत्र किया जा सकता है, जिसका अर्थ है कि क्षेत्र में तूफान आने से पहले ही संभावित रूप से आने वाली बिजली के हमलों की सलाह दी जा सकती है। जैसा कि साइंसडेली द्वारा रिपोर्ट किया गया हैईपीएफएल टीम ने भविष्यवाणियां करने के लिए जिस विधि का उपयोग किया है वह 12 स्विस मौसम स्टेशनों से एकत्र किए गए डेटा पर प्रशिक्षित एक मशीन लर्निंग एल्गोरिदम है। डेटा एक दशक तक फैला हुआ था और डेटासेट में पहाड़ी क्षेत्रों और शहरी क्षेत्रों दोनों का प्रतिनिधित्व किया गया था।

बिजली गिरने की भविष्यवाणी इसलिए की जा सकती है क्योंकि वे भारी होती हैं विशिष्ट मौसम स्थितियों से संबंधित. बिजली के निर्माण के लिए सबसे महत्वपूर्ण सामग्रियों में से एक तीव्र संवहन है, जहां स्थानीय क्षेत्र में वातावरण अस्थिर होने के कारण नम हवा ऊपर उठती है। बादलों के भीतर पानी की बूंदों, बर्फ के कणों और अन्य अणुओं के बीच टकराव से कणों के भीतर विद्युत आवेश अलग हो सकते हैं। इस पृथक्करण से विपरीत आवेशों के साथ बादल की परतों का निर्माण होता है, जिसके परिणामस्वरूप निर्वहन होता है जो बिजली के रूप में दिखाई देता है। बिजली गिरने की भविष्यवाणी करने के लिए इन मौसम स्थितियों से जुड़ी वायुमंडलीय विशेषताओं को मशीन लर्निंग एल्गोरिदम में डाला जा सकता है।

डेटासेट में हवा की गति, सापेक्ष आर्द्रता, वायु तापमान और वायुमंडलीय दबाव जैसी विशेषताएं थीं। उन विशेषताओं को रिकॉर्ड किए गए बिजली के हमलों और उस सिस्टम के स्थान के साथ लेबल किया गया था जिसने हमले का पता लगाया था। इन विशेषताओं के आधार पर, एल्गोरिदम उन स्थितियों में पैटर्न की व्याख्या करने में सक्षम था जिनके कारण बिजली गिरती थी। जब मॉडल का परीक्षण किया गया, तो यह लगभग 80% समय में बिजली गिरने की सही भविष्यवाणी करने में सक्षम साबित हुआ।

ईपीएफएल टीमों का मॉडल उल्लेखनीय है क्योंकि यह आम तौर पर उपलब्ध मौसम संबंधी आंकड़ों पर आधारित प्रणाली का पहला उदाहरण है जो बिजली गिरने की सटीक भविष्यवाणी करने में सक्षम है।