Environment

يمكن التنبؤ بالطقس بدقة بالتعلم الآلي

بقلم Giovanni Sapere
القراءة: دقيقة واحدة

مشاركةLinkedInFacebookX

يمكن التنبؤ بالطقس بدقة بالتعلم الآلي

مع تفاقم تغير المناخ، تصبح المراقبة المستمرة للأرض أمراً ضرورياً. ويتضاعف ذلك في الأقاليم المعرضة جغرافياً لتغير الظروف الجوية مثل تايلاند. ولذلك أثبتت كلية Thammasat إمكان التنبؤ بالطقس بدقة حتى 12 شهراً بالتعلم الآلي.

نُشر في سبتمبر 2018، وقد جمع بحث كلية Thammasat نتائج مثيرة جداً للاهتمام. فنموذج التعلم الآلي المعروض في الورقة يستند علمياً إلى رصد هطول الأمطار بين عامي 1991 و2010. غير أن العلماء حصلوا على الدليل العلمي عبر رصد كمية الأمطار الهاطلة شهرياً بين عامي 2011 و2016 في محطة Pluak Deang في تايلاند. وهكذا يمكن التنبؤ بالطقس بدقة بالتعلم الآلي.

نموذج التنبؤ بالتعلم الآلي

استخدم نموذج التعلم الآلي المعني الشبكات العصبية للتعلم العميق نهجاً. ولذلك ينبغي للنموذج الأمثل أن يراعي المتغيرات الآتية: درجة حرارة الهواء، والارتفاع الجهدي الأرضي، والرياح الجنوبية، وأوميغا، وإشعاع الموجات الطويلة الصادر، والرطوبة النسبية، والرطوبة النوعية، وضغط مستوى سطح البحر، ودرجة حرارة سطح البحر، والرياح الشرقية الغربية، ومعدل هطول الأمطار، والماء القابل للهطول.

يمكن التنبؤ بالطقس بدقة بالتعلم الآلي الصورة مأخوذة من بحث نُشر على الرابط الآتي: https://www.tci-thaijo.org/index.php/easr/article/view/127733

وتمنح نتائج الدليل العلمي النموذج متانة كبيرة. فقد أكدت النتائج أن النموذج قادر على التنبؤ من شهر إلى 12 شهراً. والمدى الزمني الذي يتيح تنبؤات صحيحة وموثوقة هو 30 يوماً، حيث تساوي نحو 70% من القيم المتوقعة القيم المرصودة.

النتائج والاعتبارات الختامية

وأخيراً، يستطيع النموذج التنبؤ بهطول الأمطار الشهري جيداً إلى حد كبير في السنوات الممطرة والغزيرة المطر. ففي الواقع، قليلة هي نماذج التنبؤات الجوية الموثوقة في تايلاند. ولذلك يوفر نموذج DNN المقترح هنا تنبؤات صحيحة وموثوقة على مر الزمن. غير أن من الجيد زيادة متانة النموذج عبر مزيد من الفحوص.

اقرأوا الأخبار البيئية الأخرى وشاركوها بتصفح The Patent، مجلة الاختراعات.

مترجم تلقائيًا من الأصل الإنجليزي. اقرأ النص الأصلي