Utilisation de modèles radar génératifs profonds pour prédire les précipitations sur les 90 minutes suivantes

intempéries

Crédit : CC0 Domaine public

Une équipe de chercheurs de DeepMind de Google, travaillant avec un groupe du Met Office britannique, a appliqué ses connaissances des méthodes d’apprentissage en profondeur à la science du « nowcasting », en prédisant s’il pleuvra à un endroit donné dans les deux heures suivantes. Dans leur article publié dans la revue La nature, le groupe décrit l’application de l’apprentissage en profondeur aux prévisions météorologiques et la qualité du système par rapport aux outils traditionnels.

Au cours des dernières décennies, les prévisions météorologiques se sont améliorées pour prédire s’il pleuvra ou non, mais il leur reste encore un long chemin à parcourir. La méthode actuelle de prévision implique l’utilisation de superordinateurs pour analyser des quantités massives de données atmosphériques, et la plupart des prévisionnistes météorologiques conviennent que de tels systèmes sont bons pour prédire les modèles météorologiques à long terme.

Malheureusement, les prévisions à court terme ne sont toujours pas avancées. Le problème de la prévision s’il va pleuvoir dans une zone donnée dans les deux heures suivantes et de quelle quantité est particulièrement intéressant. Certes, certaines prévisions à court terme sont faciles à prévoir : lorsque de gros nuages ​​de pluie couvrent des centaines de kilomètres, tout le monde va se mouiller. C’est la prévision des orages qui est difficile parce que la quantité d’eau qu’ils contiennent varie avec le temps et parce que leurs formes changent au fur et à mesure qu’ils se déplacent sur la terre ferme. Ainsi, la prévision immédiate reste, comme le notent les chercheurs, « un défi de taille ».

Dans ce nouvel effort, les chercheurs ont appliqué un réseau d’apprentissage en profondeur appelé Deep Generative Model of Rainfal (DGMR) au problème. Il utilise ce qu’ils décrivent comme, assez naturellement, la modélisation générative. Comme d’autres systèmes d’apprentissage en profondeur, il fonctionne en analysant les données décrivant les modèles – dans ce cas les modèles météorologiques – tels qu’ils ont évolué au fil du temps, et utilise ces informations pour faire des prévisions 90 minutes dans le futur. Les données du projet ont été fournies par le Met Office, le service météorologique national du Royaume-Uni.







Les 20 dernières minutes de radar observé sont utilisées pour fournir des prévisions probabilistes pour les 90 prochaines minutes à l’aide d’un modèle génératif profond de pluie (DGMR). Crédit : DeepMind

Les chercheurs ont testé la précision du DGMR en demandant à 56 météorologues de comparer ses prévisions avec celles des outils de prévision traditionnels. 89 % d’entre eux ont préféré le DGMR car ils le trouvaient plus fiable. Les chercheurs suggèrent que l’IA pourrait être un nouvel outil puissant pour améliorer les prévisions météorologiques.


Google affirme que ses prévisions météorologiques à court terme « nowcast » sont plus précises que les modèles avancés


Plus d’information:
Suman Ravuri et al, Précipitations habiles maintenant à l’aide de modèles génératifs profonds de radar, La nature (2021). DOI : 10.1038 / s41586-021-03854-z

Projection immédiate de la prochaine heure de pluie : deepmind.com/blog/article/nowcasting

© 2021 Réseau Science X

Citation: Utilisation de modèles radar génératifs profonds pour prédire les précipitations sur les 90 minutes suivantes (2021, 30 septembre) extrait le 30 septembre 2021 de https://techxplore.com/news/2021-09-deep-radar-rainfall-minutes.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.