人工智能用于改进预测闪电击中

天气预报在过去的十年中有了显著的改进，五天的预报现在已经达到90%的准确率。然而，一个长期以来难以预测的天气方面是闪电。由于闪电的不可预测性，使得减少它对人类生命、财产和自然的损害变得非常困难。感谢来自EPFL（洛桑联邦理工学院）工程学校的研究团队的工作，闪电击中可能在不久的将来变得更加可预测。

如SciTechDaily报道，来自EPFL工程学校的研究人员最近创建了一个能够在10到30分钟内预测闪电击中的人工智能程序，并且可以在30公里的范围内预测。由工程团队创建的系统将人工智能算法应用于气象数据，并且该系统将被用于欧洲激光闪电杆项目。

欧洲激光闪电杆（ELLR）项目的目标是创建新的闪电保护系统和技术。具体来说，ELLR旨在创建一个使用激光技术来减少向下自然闪电击中的系统，通过刺激向上闪电闪烁来实现。

根据研究团队的说法，当前的闪电预测方法依赖于雷达或卫星收集的数据，这通常非常昂贵。雷达用于扫描风暴并确定风暴的电位。其他闪电预测系统通常需要在一个地区使用三个或更多的接收器，以便可以三角测量闪电的发生。以这种方式创建预测是一个缓慢而复杂的过程。

相反，EPFL团队开发的方法使用可以在任何标准气象站收集的数据。这意味着数据更便宜、更容易收集，并且该系统可以潜在地应用于卫星或雷达系统不覆盖且通信网络不完善的偏远地区。

预测的数据也可以快速、实时地收集，这意味着一个地区可能会在风暴在该地区形成之前就收到即将发生的闪电击中的警告。 如ScienceDaily报道，EPFL团队用于预测的方法是使用来自12个瑞士气象站的数据训练的机器学习算法。数据跨越了十年，山区和城市地区都在数据集中被代表。

闪电击中可以被预测的原因是它们与特定的天气条件密切相关。形成闪电的最重要成分之一是强烈的对流，即当局部大气变得不稳定时，湿气上升。云内水滴、冰粒和其他分子之间的碰撞可以导致粒子内的电荷分离。这一分离导致具有相反电荷的云层的形成，从而导致闪电的产生。与这些天气条件相关的气象特征可以被输入到机器学习算法中，以预测闪电击中。

数据集中的特征包括风速、相对湿度、空气温度和大气压力等变量。这些特征被标记为记录的闪电击中和检测击中的系统的位置。基于这些特征，算法能够解释导致闪电击中的条件模式。当模型被测试时，它证明能够在80%的时间内正确预测闪电击中。

EPFL团队的模型值得注意，因为它是第一个基于常见的气象数据能够准确预测闪电击中的系统示例。