Connect with us

Yapay Zeka Şimşek Çakmalarının Tahmin Edilmesini İyileştiriyor

Yapay Zekâ

Yapay Zeka Şimşek Çakmalarının Tahmin Edilmesini İyileştiriyor

mm

Hava tahmini, son on yılda önemli ölçüde iyileşti ve beş günlük tahminler şimdi yaklaşık %90 doğru. Ancak, uzun süredir hava durumunun bir yönü, şimşek çakmalarını tahmin etmeye yönelik girişimlere karşı direnmeye devam etti. Şimşek o kadar öngörülemez ki, insan hayatlarına, mülklere ve doğaya verebileceği zararı en aza indirmek çok zor. EPFL (Ecole Polytechnique Fédérale de Lausanne) Mühendislik Okulu’ndan bir araştırma ekibinin çalışmaları sayesinde, şimşek çakmaları yakın gelecekte çok daha öngörülebilir olabilir.

SciTechDaily tarafından bildirildiği üzere, EPFL Mühendislik Okulu – Elektromanyetik Uygunluk Laboratuvarı’ndan bir araştırma ekibi, recently 10 ila 30 dakika içinde ve 30 kilometre yarıçap içinde bir şimşek çakmasını doğru bir şekilde tahmin edebilen bir yapay zeka programı oluşturdu. Mühendislik ekibi tarafından oluşturulan sistem, meteorolojik verilere yapay zeka algoritmaları uygular ve sistem, Avrupa Lazer Şimşek Çakma Projesi’nde kullanılacak.

Avrupa Lazer Şimşek Çakma (ELLR) projesinin amacı, yeni tür şimşek koruma sistemleri ve teknikleri oluşturmaktır. Özellikle ELLR, lazer tabanlı bir tekniği kullanarak doğal şimşek çakmalarının miktarını azaltmaya yönelik bir sistem oluşturmayı hedefliyor ve bunu, yukarı doğru şimşek çakmalarını uyaran bir sistem oluşturarak gerçekleştiriyor.

Araştırma ekibine göre, mevcut şimşek tahmin yöntemleri, radar veya uydu tarafından toplanan verilerle çalışıyor ve bu veriler çok pahalı oluyor. Radar, fırtınaları taramak ve fırtınanın elektriksel potansiyelini belirlemek için kullanılıyor. Diğer şimşek tahmin sistemleri genellikle bir bölgede üç veya daha fazla alıcı kullanmayı gerektiriyor, böylece şimşek oluşumları üçgenlemeye tabi tutulabiliyor. Tahminlerin bu şekilde oluşturulması genellikle yavaş ve karmaşık bir süreç.

Bunun yerine, EPFL ekibi tarafından geliştirilen yöntem, herhangi bir standart hava istasyonunda toplanabilen verilerle çalışıyor. Bu, verilerin çok daha ucuz ve kolay toplandığı anlamına geliyor ve sistem, uydu veya radar sistemlerinin kapsamadığı ve iletişim ağlarının zayıf olduğu uzak bölgelere de uygulanabilir.

Tahminler için veri Ayrıca hızlı ve gerçek zamanlı olarak toplanabiliyor, bu da bir bölgenin, bir fırtına oluşmadan önce gelen şimşek çakmalarından haberdar olabileceği anlamına geliyor. ScienceDaily tarafından bildirildiği üzere, EPFL ekibinin tahminlerde kullandığı yöntem, on yıla yayılan bir süre boyunca 12 İsviçre hava istasyonundan toplanan verilerle eğitilen bir makine öğrenimi algoritması.

Şimşek çakmalarının öngörülebilir olmasının nedeni, bunların belirli hava koşullarıyla güçlü bir şekilde ilişkili olması. Şimşek oluşumunun en önemli bileşenlerinden biri, nemli havanın yükseldiği ve atmosferin yerel bölgede kararsız hale geldiği yoğun konveksiyondur. Bulutlar içindeki su damlacıkları, buz parçacıkları ve diğer moleküller arasındaki çarpışmalar, parçacıklar içindeki elektrik yüklerinin ayrılmasına neden olabilir. Bu ayrılma, zıt yüklerle bulut katmanlarının oluşmasına yol açar ve bu da şimşek olarak görünen deşarjlara neden olur. Bu hava koşullarına bağlı atmosferik özellikler, şimşek çakmalarını tahmin etmek için makine öğrenimi algoritmalarına beslenebilir.

Veri setindeki özellikler arasında rüzgar hızı,相対 nem, hava sıcaklığı ve atmosferik basınç gibi değişkenler bulunuyordu. Bu özellikler, kaydedilen şimşek çakmalarıyla ve çakmayı tespit eden sistemin konumuyla etiketlendi. Bu özelliklere dayanarak, algoritma şimşek çakmalarına yol açan koşullardaki kalıpları yorumlayabildi. Model test edildiğinde, şimşek çakmalarını yaklaşık %80 oranında doğru bir şekilde tahmin edebildiği görüldü.

EPFL ekibinin modeli, yaygın olarak bulunan meteorolojik verilere dayanan bir sistem tarafından şimşek çakmalarının doğru bir şekilde tahmin edilebileceğinin ilk örneği olması nedeniyle dikkat çekiyor.

Blog yazarı ve programcı, Machine Learning ve Deep Learning konularında uzmanlık sahibi. Daniel, başkalarının AI'nin gücünü sosyal fayda için kullanmasına yardımcı olmak umudu taşıyor.