Beiträge von 4 Şubat

Meteorolojik Model Güncelleme Saatleri
06:30-08:15 (GFS Sabah)
09:00-10:00 (ECMWF Sabah)
12:30-14:15 (GFS Öğlen)
18:30-20:15 (GFS Akşam)
21:00-22:00 (ECMWF Akşam)
00:30-02:15 (GFS Gece)

  • Sezon başı sohbetleri

    Zitat von 4 Şubat

    Climate Models Can Not Do Clouds!

    They. Do. A. Really. Bad. Job. Since. Day. One.

    Dr Piers Forster
    University of Leeds UK (17 ocak 2018)

    İklim modelleri için bir eleştiri.Modellerin bulut oluşumlarını tahmin edemediği için ilk günden beri yanlış iş yaptıklarını söylüyor...

    Yaptığım alıntadaki durum üzerine paylaştığım makaledeki çalışmalar başlatıldığını düşünüyorum. Yapay zekanın bu konuda tahmin oluşturmada ana faktörden ziyade yardımcı faktör olmaya devam edeceğini düşünüyorum. Tabiki olayı sadece bulut olarak da düşünmemek gerekiyor. Mesela Ssw olayını kendi dinamiklerine bakarak Aralık ortası gibi tahmin geliştiren modeller ve buna dahil olan cohen gibi ustalar oldu. Ama bu iç dinamiklerine bağlı telebağlantılar la uyumsuzluğu bende hep soru işareti oldu(hatta tam tersi ssw hiç ortada yokken olabilirlik ihtimalini de ortaya koyan da bu bağlantılardı)Son yapılan araştırmalarda ssw tahmini için 9-12 gün öncesini kabul ediyorlar. Ama bu bile kendi iç dinamiklerinde kabul edilebilen bir süre.

  • Sezon başı sohbetleri

    Meteoroloji uzmanları, hava durumunu tahmin ederken, şiddetli fırtınaları gösterebilecek bulutların şekillerini ve hareketlerini izlemek için birçok model ve veri kaynağı kullanıyor. Bununla birlikte, giderek artan hava durumu veri setleri ve beliren son teslim tarihleriyle, tüm fırtına oluşumlarını - özellikle daha küçük ölçekli olanları - gerçek zamanlı olarak izlemeleri neredeyse imkansızdır.

    Şimdi, Penn State, AccuWeather, Inc. ve İspanya'daki Almería Üniversitesi'ndeki bir araştırma ekibi sayesinde, tahmincilerin potansiyel şiddetli fırtınaları daha hızlı ve doğru bir şekilde tanımalarına yardımcı olabilecek bir bilgisayar modeli var. Makine öğreniminde doğrusal sınıflayıcılara dayanan bir çerçeve geliştirdiler - bir çeşit yapay zeka - bulutlardaki dönüş hareketlerini, aksi takdirde farkedilmemiş olabilecek uydu görüntülerinden saptadılar. Bu AI çözümü Pittsburgh Süper Bilgisayar Merkezindeki Bridges süper bilgisayarında çalıştı.

    AccuWeather'daki kıdemli adli meteoroloji uzmanı Steve Wistar, bu aracı potansiyel olarak tehdit edici oluşumlara yönelterek bu araca sahip olmanın daha iyi bir tahmin yapmasına yardımcı olabileceğini söyledi.

    "En iyi tahmin mümkün olduğunca çok veri içeriyor" dedi. “Atmosfer sonsuz derecede karmaşık olduğu için katlanacak çok şey var. [Önümüzde] bulunan modelleri ve verileri kullanarak, atmosferin en eksiksiz görüntüsünün bir görüntüsünü alıyoruz.”

    Araştırmalarında, araştırmacılar Wistar ve diğer AccuWeather meteorologları ile birlikte çalışarak 50.000'den fazla tarihi ABD hava uydu görüntüsünü analiz ettiler. Onlarda, uzmanlar "virgül şeklindeki" bulutların şeklini ve hareketini belirledi ve etiketlediler. Bu bulut paternleri, dolu, fırtınalar, şiddetli rüzgarlar ve kar fırtınası dahil olmak üzere şiddetli hava olaylarına yol açabilecek siklon oluşumlarıyla güçlü bir şekilde ilişkilidir.

    Daha sonra, bilgisayarlı görü ve makine öğrenme tekniklerini kullanan araştırmacılar, bilgisayarlara, uydu görüntülerinde virgül şeklindeki bulutları otomatik olarak tanıma ve tespit etmeyi öğretti. Bilgisayarlar daha sonra gerçek zamanlı olarak, bir veri okyanusunda, şiddetli havanın başladığını tespit etmek için dikkatlerini odaklayabileceklerini belirterek uzmanlara yardımcı olabilir.

    "Virgül şeklindeki bulut, şiddetli hava olaylarının görsel bir göstergesi olduğundan, programımız meteorologların bu tür olayları tahmin etmesine yardımcı olabilir" dedi. projesi.

    Araştırmacılar, yöntemlerinin virgül şeklindeki bulutları tahmin başına ortalama 40 saniyede yüzde 99 doğrulukla etkili bir şekilde tespit edebildiklerini buldu. Ayrıca, mevcut diğer şiddetli hava tespit yöntemlerinden daha iyi performans göstererek, şiddetli hava olaylarının yüzde 64'ünü tahmin edebildi.

    Zheng, "Metodumuz insan etiketli, virgül şeklindeki bulutların çoğunu yakalayabilir" dedi. "Ayrıca, yöntemimiz bazı şekilleri oluşturmadan önce virgül şeklindeki bulutları algılayabilir ve algılamalarımız bazen insan gözünün tanınmasından daha erkendir."

    Wistar, "İşletmemizin çağrısı hayat kurtarmak ve mülkleri korumak." “Fırtınadan etkilenecek insanlar için ne kadar gelişmiş bildirim olursa, o hizmeti daha iyi veriyoruz. Mümkün olan en kısa sürede en iyi bilgileri almaya çalışıyoruz.”

    Bu proje, AccuWeather ile Zheng'in tez danışmanı olan profesör James Wang liderliğindeki bir IST Koleji araştırma grubu arasında yapılan çalışmaları daha ön plana çıkarttırıyor.

    Wang, “2010 yılında AccuWeather ile işbirliğimiz başladığında, meteorologların ve klimatologların karşılaştığı önemli bir zorluğun, Dünya gözlem uyduları, radarlar ve sensör ağları tarafından oluşturulan büyük miktarda ve sürekli olarak artan miktarda veri anlamında olduğunu fark ettik” dedi. “Bilgisayarlı sistemlerin verileri analiz etmesi ve verilerini öğrenmesi çok önemlidir, bu nedenle şiddetli hava tahmini gibi zamana duyarlı uygulamalarda verilerin zamanında ve doğru şekilde yorumlanmasını sağlayabiliriz.”

    “Bu araştırma, hava ile ilgili görsel bilgilerin yapay zeka temelli yorumlanmasının araştırma topluluğuna uygulanabilirliğini göstermek için erken bir girişimdir. Bu yaklaşımı mevcut sayısal hava tahmin modelleri ve diğer simülasyon modelleriyle entegre etmek için daha fazla araştırma yapılması muhtemeldir. hava durumu tahminleri insanlar için daha doğru ve kullanışlıdır. "

    Sonuç olarak Wistar, "Bu araştırmanın yararı, çok meşgul bir tahmincinin dikkatini başka türlü gözden kaçırılmış olabilecek bir şeye çağırıyor."