UvA-onderzoekers kunnen extreem weer beter voorspellen met AI-model
Weersvoorspellingen maken de afgelopen jaren een forse verbeteringsslag door met de hulp van AI. UvA-onderzoekers werkten mee aan een AI-model dat nu ook extreem weer nauwkeuriger kan voorspellen dan de traditionele weerstations. ‘Als je extreem weer ziet aankomen heb je meer tijd voor evacuatieplannen.’
Lange periodes van droogte, extreme regenval en hevige tropische stormen, de kans op extreem weer neemt toe door klimaatverandering. Die extreme weersomstandigheden zijn lastiger te voorspellen dan ‘normale’ weersomstandigheden, omdat ze zich minder vaak hebben voorgedaan en er dus minder gegevens beschikbaar zijn voor weermodellen.
Als extreem weer al te voorspellen is, dan is de kans daarop groter in de rijke Westerse landen waar de meeste weerstations gevestigd zijn. In het mondiale zuiden zijn meteorologische instituten dunner gezaaid zijn, terwijl de meest ernstige gevolgen van extreem weer zich daar vaker voordoen.
Weersvoorspelling binnen enkele minuten
UvA-onderzoekers, samen met een internationaal team aan datawetenschappers, meteorologen en klimaatexperts hebben daar wat op bedacht. Ze ontwikkelden binnen Microsoft Research, de onderzoekstak van het Amerikaanse softwarebedrijf, een AI-model, Aurora genaamd, dat extreme weersomstandigheden met grotere nauwkeurigheid kan voorspellen dan de meeste traditionele weermodellen.
‘Het idee is dat als je eerder extreme weersomstandigheden ziet aankomen, dat je meer tijd hebt voor mitigatiestrategieën of evacuatieplannen,’ legt Ana Lucic uit, UvA-onderzoeker kunstmatige intelligentie die meewerkte aan het onderzoek.
Daarnaast gebruikt Aurora minder rekenkracht, waardoor het maken van een voorspelling niet gebonden is aan de supercomputers van meteorologische instituten. Bovendien werkt Aurora sneller: een weersvoorspelling voor tien dagen kost in tegenstelling tot de traditionele methode geen uren maar slechts een minuut rekentijd. De onderzoekers hebben de resultaten gepubliceerd in het vakblad Nature en de code van het model is online beschikbaar voor iedereen die er gebruik van wil maken.
Hoe voorspel je het weer?
De weersvoorspellingen worden nu nog gemaakt door de grote meteorologische instituten zoals het KNMI in de Bilt. Zij meten de weersomstandigheden via grondstations, weerballonnen en satellieten. Die gegevens gaan in een traditioneel weermodel dat is gebaseerd op natuurkundige wetten die op basis van de stromingen in de lucht en oceaan beschrijven hoe weersystemen werken.
Door het oplossen van wiskundige vergelijkingen, de Navier-Stokesvergelijking om precies te zijn, ontstaat een voorspelling van de weersverwachting op een punt in de toekomst. Het oplossen van die vergelijking kost veel tijd en rekenkracht en kan daarom alleen uitgevoerd worden door de supercomputers van de grote weerstations. Bovendien moet voor elk nieuw punt in de tijd die berekening opnieuw worden uitgevoerd op basis van de nieuw verkregen data.
Kunstmatige intelligentie kan dat proces versnellen. Wetenschappers trainden een machine learning model, een vorm van AI, op miljoenen uren aan weerdata uit het klassieke model. Lucic: ‘Het trainen van een AI-model is tijdsintensief, maar wanneer het eenmaal werkt is het veel sneller en goedkoper dan de traditionele modellen.’
AI verbetert weersvoorspellingen
Het gebruik van kunstmatige intelligentie voor het voorspellen van weer is niet nieuw. Al eerder toonden wetenschappers aan dat wanneer je een AI-model traint op miljoenen uren aan historische weerdata de voorspellingen even goed zijn als de voorspellingen van supercomputers die gebaseerd zijn op natuurkundige wetten.
Nieuw aan Aurora is dat het model niet alleen het weer kan voorspellen maar meer taken kan uitvoeren. ‘Ons model is getraind op verschillende typen data,’ legt Lucic uit, ‘Een mix van analyses, weersvoorspellingen en klimaatprognoses.’ Daarmee slaagt het model erin om ook luchtvervuiling, de hoogte van golven in de oceaan en tropische stormen te voorspellen. Lucic: ‘Eerder was het niet mogelijk om dit allemaal met één model te voorspellen.’
De onderzoekers zien Aurora als het basismodel dat voor veel meer taken ingezet kan gaan worden. ‘Het is een kwestie van meer data aan Aurora toevoegen en het verder finetunen,’ aldus Lucic. Zo zou het model in de toekomst ook gebruikt kunnen worden om overstromingsrisico’s, bosbranden, landbouwopbrengsten of de opbrengst van zonne- en windenergie te kunnen voorspellen.
Bovendien maakt het model in veel gevallen ook met een hogere betrouwbaarheid. Zo gaf de luchtkwaliteit in 74 procent van de gevallen betere resultaten dan de traditionele modellen, voor de hoogte van oceaangolven was dat 86 procent en Aurora voorspelde tropische stormen vaak beter dan de zeven internationale weersdiensten. De onderzoekers waren daar verrast over. Lucic: ‘We hebben het AI-model niet speciaal getraind op tropische stormen, maar het machine learning algoritme heeft dat er op basis van andere data uit gehaald.’
Chaotisch systeem
Toch zitten er ook grenzen aan de voorspellingen van AI over het weer. Lucic. ‘Het weer is en blijft een chaotisch systeem. Dat wil zeggen dat het nature moeilijk te voorspellen is omdat kleine veranderingen tot enorme verschillen kunnen leiden, ook wel bekend als het vlindereffect. Met honderd procent betrouwbaarheid het weer voorspellen op de lange termijn blijft heel moeilijk, we kunnen alleen zorgen voor een hogere nauwkeurigheid.’
