Le prévisionniste IA : l’apprentissage automatique s’attaque aux prévisions météorologiques

Recevez des mises à jour en temps réel directement sur votre appareil, abonnez-vous maintenant.

Le prévisionniste IA : l'apprentissage automatique s'attaque aux prévisions météorologiques

L’amélioration des prévisions météorologiques de 2 semaines à 2 mois pourrait améliorer la préparation aux catastrophes pour les tempêtes comme l’ouragan Irma, illustré ici frappant Sint Maarten dans les Caraïbes. Un nouveau système de prévision météorologique par apprentissage automatique est prometteur sur cette période sous-saisonnière. Crédit : Ministère de la Défense, Pays-Bas, CC BY SA 4.0

Selon une étude de 2009, les adultes américains consultent les prévisions météorologiques près de 300 milliards de fois par an. Des prévisions fiables peuvent prévoir des conditions météorologiques dangereuses telles que des blizzards, des ouragans et des crues soudaines dès 910 jours avant l’événement. Les estimations évaluent ces prévisions à 31,5 milliards de dollars par an.

Bien que les prévisions météorologiques continuent de s’améliorer d’année en année pour les prévisions à plus court terme, les compétences de prévision diminuent entre 2 semaines et 2 mois. Ces prévisions à plus long terme peuvent jouer un rôle essentiel dans de nombreux secteurs, notamment la conservation de l’eau, la demande d’énergie et la préparation aux catastrophes.

Dans une nouvelle étude, Weyn et al. ont entrepris d’améliorer ces prévisions infrasaisonnières à saisonnières, comme on le sait, en utilisant une nouvelle approche de la prévision météorologique. À l’aide d’un réseau neuronal convolutif, les auteurs ont développé un système de prédiction météorologique par apprentissage automatique appelé Deep Learning Weather Prediction (DLWP). Le modèle est formé sur des données météorologiques passées, ce qui diffère des modèles numériques de prévision météorologique standard qui créent des représentations mathématiques des lois physiques. DLWP projette 26 semaines dans le futur pour le monde entier.

Les auteurs ont comparé le modèle DLWP aux modèles météorologiques numériques de pointe actuels. L’évaluation a montré que les prévisions numériques standard fonctionnent mieux pour les délais courts, par exemple 23 semaines. Cependant, le modèle DLWP se comparait bien lors de la projection de 46 semaines sur toute la ligne.

Bien que le modèle DLWP ne rivalise pas encore avec les modèles existants et ne puisse pas actuellement prévoir les précipitations, l’approche d’apprentissage automatique est prometteuse, selon les auteurs. D’une part, le modèle est informatiquement plus efficace que les autres approches. Le modèle DLWP ne nécessite que 3 secondes pour calculer une prévision d’ensemble composée de 320 exécutions de modèle indépendantes. De plus, le modèle a fourni avec précision une reprévision de 4,5 jours pour l’ouragan Irma en utilisant la vapeur d’eau totale de la colonne et sans précipitations. L’ouragan de catégorie 5 a ravagé le nord des Caraïbes et les Florida Keys en 2017.

Les chercheurs affirment que leur étude représente une avancée significative dans l’utilisation de l’apprentissage automatique pour la modélisation du temps et du climat. Les auteurs ont observé qu’il était remarquable dans sa capacité à apprendre des phénomènes basés sur la physique. Ils ont également noté que le modèle pourrait compléter les prévisions dans les tropiques et au printemps et en été, où la plupart des modèles de prévision météorologique éprouvent actuellement des difficultés.


Le modèle d’apprentissage en profondeur accélère les prévisions météorologiques extrêmes


Plus d’information:
Jonathan A. Weyn et al, Prévision subsaisonnière avec un large ensemble de modèles de prévision météorologique DeepLearning, Journal des avancées dans la modélisation des systèmes terrestres (2021). DOI : 10.1029/2021MS002502

Fourni par American Geophysical Union

Cette histoire est republiée avec l’aimable autorisation d’Eos, hébergée par l’American Geophysical Union. Lisez l’histoire originale ici.

Citation: Le prévisionniste de l’IA : l’apprentissage automatique s’attaque à la prévision météorologique (6 janvier 2022) récupéré le 14 janvier 2022 sur https://phys.org/news/2022-01-ai-machine-weather.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.

www.actusduweb.com
Suivez Actusduweb sur Google News


Recevez des mises à jour en temps réel directement sur votre appareil, abonnez-vous maintenant.

commentaires

Ce site utilise des cookies pour améliorer votre expérience. Nous supposerons que cela vous convient, mais vous pouvez vous désinscrire si vous le souhaitez. J'accepte Lire la suite