Un réseau de neurones améliore les prévisions des risques de tempêtes violentes

Un réseau de neurones améliore les prévisions des risques de tempêtes violentes

Une animation de l’évolution de la probabilité de temps violent le 17 mars 2021. Les prévisions expérimentales ont été produites à l’aide d’un réseau de neurones. Crédit: NCAR & UCAR

Le National Center for Atmospheric Research (NCAR) utilise l’intelligence artificielle pour exécuter des prévisions expérimentales de grêle, de tornades et de vents intenses – des risques de tempête qui peuvent causer de graves dommages, mais qui sont notoirement difficiles à prédire pour les modèles météorologiques.

Les prévisions de risque convectif du réseau neuronal, qui fournissent la probabilité de grêle, de tornades ou de vents pour un endroit particulier à un moment donné, sont mises à jour deux fois par jour et disponibles gratuitement en ligne.

Le NCAR a commencé à exécuter ces prévisions de recherche au printemps 2020 dans le cadre de l’expérience de printemps sur banc d’essai pour temps dangereux à la National Oceanic and Atmospheric Administration (NOAA). Lorsque la saison des intempéries printanières s’est terminée à la fin du mois de juin, l’équipe de recherche a analysé les prévisions, en les comparant à des techniques plus traditionnelles de prévision des risques de tempête. Les scientifiques ont constaté que le réseau de neurones améliorait considérablement la précision des prévisions basées sur la sortie du modèle traditionnel, en particulier dans les situations où ces prévisions traditionnelles avaient tendance à donner les pires performances, y compris dans les parties est et ouest des États-Unis et pour les tempêtes nocturnes.

«Nous avons pu montrer une amélioration significative dans la plupart des situations», a déclaré Ryan Sobash, scientifique du NCAR, qui dirige le projet. «Non seulement le réseau neuronal a-t-il pu prédire plus habilement quand et où des risques de tempête violente étaient probables, mais il a également été en mesure de mieux prédire si l’événement dangereux serait dominé par la grêle ou par les vents.

Le système est à nouveau opérationnel ce printemps avec quelques ajustements. Le projet est financé par la NOAA et la National Science Foundation, qui est le sponsor du NCAR. Les prévisions sont exécutées sur le supercalculateur Cheyenne au NCAR-Wyoming Supercomputing Center.

D’un prédicteur à 40

Pour qu’un modèle météorologique déclenche un orage, il doit être exécuté à une résolution suffisamment élevée pour capturer les phénomènes atmosphériques à petite échelle, y compris les courants ascendants et descendants, qui sont à l’origine de la création de la tempête. Cela nécessite généralement un espacement de 4 kilomètres (2,5 miles) ou moins entre les points de grille à l’intérieur du modèle. À cette résolution, le modèle peut commencer à simuler la tempête elle-même, mais il est incapable de produire de nombreux dangers associés à la tempête, qui se produisent à des échelles encore plus petites, y compris les grêlons et les tornades. Pour cette raison, les prévisionnistes se sont appuyés sur des extrants particuliers des données du modèle, ou des approximations, pour déterminer la probabilité qu’une tempête violente produise de tels dangers.

L’un des indicateurs les plus fréquemment utilisés est l’hélicité du courant ascendant, une mesure de la rotation d’une tempête. Les tempêtes avec une rotation plus forte ont tendance à être plus violentes et plus susceptibles de produire de la grêle et des tornades. Ce proxy a relativement bien fonctionné pour les supercellules et autres tempêtes rotatives, mais il ne capture pas certains des temps violents qui peuvent être produits dans les tempêtes en ligne droite, telles que les derechos.

En revanche, le réseau neuronal utilisé dans les nouvelles prévisions du NCAR peut ingérer environ 40 facteurs différents, y compris l’hélicité du courant ascendant, mais aussi l’emplacement de la tempête, l’heure, le point de rosée, la vitesse du vent, la pression de surface et bien plus encore. Le réseau de neurones utilise des modèles dans la façon dont ces prédicteurs se rapportent les uns aux autres qu’il a glanés dans son ensemble de données d’entraînement – dans ce cas, près de 500 prévisions passées du modèle de rafraîchissement rapide à haute résolution de la NOAA avec les rapports d’accompagnement des tempêtes réelles – pour calculer la probabilité qu’une tempête produira de la grêle, des tornades ou des vents violents. Les prévisions produites par les réseaux de neurones montrent la probabilité qu’un risque de tempête se forme à moins de 40 kilomètres (25 miles) ou 120 kilomètres (75 miles) de points de grille individuels dans le modèle.

En prenant en compte des facteurs au-delà de la rotation des tempêtes, le réseau de neurones est mieux en mesure de prédire les dangers associés aux tempêtes de vent en ligne droite que les prévisions basées uniquement sur l’hélicité du courant ascendant, et il améliore également les prévisions pour les régions où les supercellules ne sont pas aussi susceptibles de se former, en particulier les zones en dehors du Midwest.

« Le succès de nos prévisions de réseau neuronal suggère que l’apprentissage automatique pourrait être un outil utile pour les prévisions opérationnelles », a déclaré Sobash. « Les prévisions sont à nouveau exécutées ce printemps dans le cadre du banc d’essai pour conditions météorologiques dangereuses et nous sommes impatients de recevoir plus de commentaires des prévisionnistes opérationnels sur la façon dont ils pourraient incorporer ce type d’informations dans leur processus de prévision existant. »


La technique de reconnaissance faciale pourrait améliorer les prévisions de grêle


Plus d’information:
Ryan A. Sobash et al, A Comparison of Neural-Network and Surrogate-Severe Probabilistic Convective Hazard Guidance Derived from a Convection-Allowing Model, Météo et prévisions (2020). DOI: 10.1175/WAF-D-20-0036.1

Fourni par NCAR et UCAR

Citation: Un réseau de neurones améliore les prévisions des risques de tempêtes violentes (2021, 26 mai) récupéré le 26 mai 2021 sur https://techxplore.com/news/2021-05-neural-network-severe-storm-hazards.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable 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.