AI를 이용한 뇌우 예측 개선

기상 예측은 지난 10년 동안 크게 개선되어 5일 예보의 정확도가 약 90%에 달합니다. 그러나 기상 예측에서 오래전부터 예측하기 어려웠던 측면은 뇌우입니다. 뇌우가 예측하기 어렵기 때문에 인명, 재산, 자연에 대한 피해를 최소화하는 것이 매우 어렵습니다. 스위스 로잔 연방 공과 대학(EPFL)의 엔지니어링 학교 연구 팀의 노력 덕분에 뇌우는 가까운 미래에 훨씬 더 예측 가능할 수 있습니다.

SciTechDaily에 따르면, 로잔 연방 공과 대학(EPFL) 엔지니어링 학교의 연구 팀은 최근 10~30분 이내에 30km 반경 내에서 뇌우를 정확하게 예측할 수 있는 AI 프로그램을 개발했습니다. 엔지니어링 팀이 개발한 시스템은 기상 데이터에 인공 지능 알고리즘을 적용하며, 이 시스템은 유럽 레이저 번개 막대(ELLR) 프로젝트에서 사용될 예정입니다.

유럽 레이저 번개 막대(ELLR) 프로젝트의 목표는 새로운 유형의 번개 보호 시스템 및 기술을 개발하는 것입니다. 구체적으로 ELLR은 레이저 기반 기술을 사용하여 자연적인 번개 충격의 수를 줄이는 시스템을 개발하는 것을 목표로 합니다. 이는 상향 번개 플래시를 자극함으로써 달성됩니다.

연구 팀에 따르면 현재의 번개 예측 방법은 레이더 또는 위성으로 수집된 데이터에 의존하는 경향이 있으며, 이는 매우 비용이 많이 듭니다. 레이더는 폭풍을 스캔하고 폭풍의 전기적 잠재력을 결정하는 데 사용됩니다. 다른 번개 예측 시스템은 번개의 발생을 삼각 측량하기 위해 지역에 3개 이상의 수신기를 사용하는 경우가 많습니다. 이러한 방식으로 예측을 생성하는 것은 종종 느리고 복잡한 과정입니다.

대신에, 로잔 연방 공과 대학(EPFL) 팀이 개발한 방법은 표준 기상 관측소에서 수집할 수 있는 데이터를 사용합니다. 이는 데이터가 훨씬 더 저렴하고 수집하기 쉽다는 것을 의미하며, 이 시스템은 위성 또는 레이더 시스템이 커버하지 않는 지역 및 통신 네트워크가 부실한 지역에서 потен적으로 적용될 수 있습니다.

예측에 대한 데이터는 또한 빠르게 실시간으로 수집할 수 있으므로, 지역은 폭풍이 지역에서 형성되기 전에 들어오는 번개를 ADVISED할 수 있습니다. ScienceDaily에 따르면, 로잔 연방 공과 대학(EPFL) 팀이 예측을 위해 사용한 방법은 12개의 스위스 기상 관측소에서 수집된 데이터로 훈련된 기계 학습 알고리즘입니다. 데이터는 10년 동안 수집되었으며, 데이터 세트에는 산악 지역과 도시 지역이 모두 포함되었습니다.

번개가 전혀 예측될 수 있는 이유는 번개가 특정 기상 조건과 밀접하게 관련되어 있기 때문입니다. 번개의 형성에 가장 중요한 재료 중 하나는 강한 대류입니다. 여기서 습한 공気が 대기가 지역에서 불안정해짐에 따라 상승합니다. 구름 내의 물방울, 얼음 입자 및 기타 분자 간의 충돌은 입자 내의 전기 충전을 분리시킬 수 있습니다. 이는 반대 충전을 가진 구름 레이어가 생성되어 번개로 나타나는 방전으로 이어집니다. 이러한 기상 조건과 관련된 대기 특성은 번개를 예측하기 위해 기계 학습 알고리즘에 제공될 수 있습니다.

데이터 세트에는 풍속, 상대 습도, 기온, 대기 압력과 같은 변수가 포함되었습니다. 이러한 변수는 기록된 번개 충격과 충격을 감지한 시스템의 위치로 레이블이 지정되었습니다. 이러한 변수에 따라 알고리즘은 번개 충격으로 이어지는 조건의 패턴을 해석할 수 있었습니다. 모델이 테스트되면 약 80%의 시간에 번개를 올바르게 예측할 수 있었습니다.

로잔 연방 공과 대학(EPFL) 팀의 모델은 일반적으로 이용 가능한 기상 데이터를 기반으로 하는 시스템이 번개를 정확하게 예측할 수 있는 첫 번째 예입니다.