AI kan ge säkrare väderprognoser

Ett AI-verktyg testat och utvecklat inom ramen för ett examensarbete på Högskolan i Gävle kan ge säkrare väderprognoser.

Människan har försökt förutse vädret i tusentals år. De äldsta dokumenterade väderprognoserna är från Mesopotamien, en kultur som uppstod för omkring 5000 år sedan. Med tiden har metoderna blivit alltmer sofistikerade, men omständigheterna som påverkar vädret är många och komplicerade vilket än idag gör det till en utmaning att förutse hur vädret kommer att bli.

Examensarbete i datavetenskap

Att använda AI till väderprognoser är ett relativt nytt fenomen. Idag finns ett antal AI-modeller som använder historiska data för att klassificera hur vädret sett ut över tid, vilket ger statistik som sedan kan användas för att göra prognoser.

Mohamad Safia och Rodi Abbas, studenter inom datavetenskap har i sitt examensarbete och med stöd av handledaren Mohammad Aslani, forskare inom datavetenskap, testat och utvecklat fyra olika AI-modeller som kan användas för väderprognoser. Artificial Neural Networks (ANN), visade sig vara den vassaste av modellerna. Med hjälp av så kallad maskininlärning och 13 års väderdata har de sedan utvecklat ANN:s programvara för att bättre kunna klassificera väder över tid, och sedan testat AI-verktyget för prognoser.

– Man behöver utveckla AI med maskininlärning, och det är en svår process som tar mycket tid. Det handlar om stora mängder data där sambandet mellan luftfuktighet, temperatur och andra parametrar bildar ett mönster över tid, som AI-verktyget lär sig se, och som sedan kan bli väderprognoser, säger Rodi Abbas.

Klimatförändringarna gör prognoserna mer osäkra

Enligt examensarbetet kan det utvecklade AI-verktyget göra mer precisa bedömningar av historiska väderförhållanden än de traditionella metoder som idag används. Det gör också att verktyget har potential att förbättra väderprognoserna. Forskarna använde amerikanska Weatherstack, en stor leverantör av väderdata och väderprognoser, både för att hämta historiska data och jämföra väderprognosernas träffsäkerhet.

– När vi testade ANN-modellen som vi hade utvecklat för väderprognoser över en tvåmånadersperiod och jämförde med Weatherstacks egna prognoser visade det sig att vår modell hade 47 procent bättre träffsäkerhet på prognoserna, säger Mohamad Safia.

Det behövs en större studie för att definitivt kunna avgöra hur mycket bättre prognoserna kan bli med AI-baserad mjukvara till väderprognoser, men klart är att potentialen är väldigt stor.

– Med maskininlärning kan du snabbt analysera stora mängder data för att urskilja mönster. Emellertid har klimatförändringar medfört utmaningar inom väderprognoser. Därför krävs ytterligare forskning, datainsamling och analys för att identifiera klimatförändringarna och anpassa väderprognoserna efter dem, säger Mohamad Safia.

Examensarbetet har godkänts och publicerats i den vetenskapliga tidskriften Atmosphere. Länk till annan webbplats.