Modele AI pomagają przewidywać duże fale tropikalne i prądy oceaniczne

Zespół naukowców zaprojektował niedawno model sztucznej inteligencji, który jest w stanie prognozować zjawiska oceaniczne rozciągające się na setki mil/kilometrów, takie jak tropikalne fale niestabilności (TIW). Tropikalne fale niestabilności (TIW) to zjawisko oceaniczne mające miejsce na Pacyfiku, w pobliżu równika. Pacific TIW obejmuje ruch zakrzywionych, trójkątnych fal, które poruszają się na zachód wzdłuż krawędzi zimnego języka tropikalnego Pacyfiku – regionu tropików znacznie zimniejszego niż otaczający go ocean.

Czynniki środowiskowe, które powodują TIW, są niezwykle złożone, a zjawisko to jest trudne do przewidzenia. Prognozowanie TIW tradycyjnie odbywa się przy użyciu złożonych modeli statystycznych i fizycznych. Jednak niedawno odkrył to zespół badaczy zaprojektował model AI mające na celu lepsze przewidywanie TIW i innych zjawisk oceanicznych.

Według Phys.org, Zespołem badawczym kierował Instytut Oceanologii Chińskiej Akademii Nauk (IOCAS), profesor LI Xiaofeng, a w skład zespołu wchodzili także członkowie różnych chińskich wydziałów nauk oceanicznych, takich jak Uniwersytet Oceaniczny w Szanghaju i Drugi Instytut Oceanologii Ministerstwa Zasobów Naturalnych . Zespół wykorzystał dane satelitarne do zaprojektowania modelu głębokiego uczenia się przeznaczonego do analizy fal niestabilności przemieszczających się tysiące kilometrów przez ocean. Nawet w przypadku globalnych danych satelitarnych czynniki środowiskowe wpływające na zjawiska oceaniczne mogą być trudne do zidentyfikowania, ale celem jest to, aby modele sztucznej inteligencji mogły lepiej rozszyfrowywać te zmienne i formułować prognozy niż tradycyjne modele.

Zaprojektowany przez naukowców model głębokiego uczenia się wykorzystywał dane dotyczące temperatury powierzchni morza zebrane przez satelity, analizując obecne wzorce i porównując je z danymi dotyczącymi temperatury powierzchni zebranymi w poprzednich latach. Naukowcy przeszkolili i przetestowali model na podstawie danych z około dziewięciu lat. Po analizie wyników naukowcy odkryli, że model był w stanie dokładnie i spójnie prognozować zmiany temperatury powierzchni morza, a co za tym idzie, przewidywać czasowe i przestrzenne zmiany w TIW.

Z badania wynika, że ​​modele sztucznej inteligencji wsparte dużymi zbiorami danych mogą stanowić niezawodny sposób prognozowania nawet niektórych najbardziej złożonych zjawisk w oceanach.

„Modele oparte na sztucznej inteligencji, modele statystyczne i tradycyjne modele numeryczne mogą się wzajemnie uzupełniać i zapewniać nową perspektywę do badania skomplikowanych cech oceanicznych” – wyjaśnił LI Xiaofeng według Phys.

Mamy nadzieję, że w miarę udoskonalania i udoskonalania modelu będzie on pomocny w przewidywaniu dużych fal i burz, co będzie miało praktyczne zastosowanie w systemach nawigacji oceanicznej oraz w przewidywaniu poważnych zdarzeń pogodowych, które mogą zaszkodzić miastom przybrzeżnym. Tego typu badania są szczególnie cenne w świecie, w którym zmiany klimatyczne zmieniają sposób poruszania się prądów oceanicznych i interakcji z otaczającym je środowiskiem. Badania przeprowadzone przez LI Xiaofenga i współpracowników wpisują się w rosnący trend wykorzystywania algorytmów sztucznej inteligencji i danych satelitarnych do poznania i przewidywania ruchu prądów oceanicznych i powiązanych zjawisk.

Jako kolejny przykład wykorzystania sztucznej inteligencji do śledzenia i przewidywania zjawisk oceanicznych, na początku tego roku zespół naukowców z Plymouth Marine Laboratory i Uniwersytetu Morza Egejskiego opublikował badanie sprawdzające, w jaki sposób algorytmy uczenia maszynowego i dane satelitarne mogą zostać wykorzystane do identyfikacji obszarów skoncentrowane odpady z tworzyw sztucznych i śledzić ich rozprzestrzenianie się.

Zespół wykonał zdjęcia satelitarne plastikowych śmieci i przeszkolił na nich system identyfikacji obrazu, mając na celu sprawdzenie, czy system jest w stanie dokładnie odróżnić kawałki plastikowych śmieci od drewna, wodorostów i innych naturalnych obiektów pływających. Wyniki badania wykazały, że algorytm był w stanie poprawnie zidentyfikować śmieci w około 86% przypadków. Naukowcy chcą ulepszyć model i stworzyć system, który mógłby ułatwić identyfikację i oczyszczanie odpadów z tworzyw sztucznych wzdłuż wybrzeży i rzek.