Ils disent que si vous n'aimez pas le temps, attendez un peu. Mais combien de temps vous attendez peut dépendre de votre emplacement - le temps change beaucoup plus rapidement et plus violemment dans certaines zones géographiques par rapport à d'autres, ce qui peut signifier que les modèles de prévision météorologique actuels peuvent être lents et inefficaces.

Maintenant, Les chercheurs de Penn State utilisent l'intelligence artificielle pour localiser ces zones météorologiques changeantes afin d'aider les météorologues à produire des prévisions météorologiques plus précises sans gaspiller une précieuse puissance de calcul.

Dans une étude, les chercheurs ont utilisé un modèle d'IA basé sur la sélection naturelle pour trouver des zones de la zone continentale des États-Unis où les changements de température sont plus difficiles à prévoir et variables, afin que les ressources de calcul puissent y être concentrées, plutôt que des endroits où le temps est moins susceptible de changer. L'algorithme de prédiction de température résultant était égal ou supérieur au modèle actuel, mais utilisé moins de puissance de calcul.

Selon Guido Cervone, professeur de géographie, météorologie et sciences de l'atmosphère, Penn State et co-embauche et directeur associé de l'Institute for CyberScience, qui permet aux chercheurs de Penn State d'accéder à des ressources de calcul intensif, l'étude pourrait conduire à une solution pour développer des prévisions à court terme plus précises, l'un des problèmes les plus délicats de la météorologie.

« Notre méthodologie permet de concentrer les ressources de calcul disponibles vers des domaines plus difficiles à prévoir, qui à son tour devrait aider à générer de meilleures prévisions à court terme, " a déclaré Cervone. " La prévision météorologique numérique est l'un des problèmes les plus exigeants en termes de calcul, et son utilisation pour la société est de grande envergure.

Weiming Hu, un doctorant en géographie, dit que les cartes météo actuelles sont divisées en un simple maillage d'environ 200, 000 points de grille aux États-Unis. Lorsque les prévisionnistes utilisent des ordinateurs pour analyser les modèles météorologiques dans ces régions, la puissance de calcul est répartie également entre ces points de grille, qui représentent chacun environ 11 kilomètres, ou 7 milles, en diamètre. Bien que cela puisse sembler du bon sens, Hu a déclaré que la carte ne reflète pas la réalité informatique des prévisions météorologiques. Topographie, élévation, la proximité de l'eau et une myriade d'autres facteurs peuvent perturber les conditions météorologiques, rendant certaines zones beaucoup plus difficiles à prévoir.

"Si vous pensez à l'Iowa, Disons, il connaît rarement d'énormes changements dans les régimes météorologiques sur des dizaines de kilomètres, par rapport à d'autres endroits, parce que la topographie est relativement simple et que vous pouvez utiliser des interpolations très simples - ou des estimations - pour vous donner de bonnes idées sur, dans ce cas, quelle sera la température dans le futur, " dit Hu. "Mais, dans les montagnes Rocheuses, vous pouvez passer des plaines au sommet d'une montagne en quelques kilomètres et cela change radicalement les choses lorsque vous essayez de prévoir les régimes météorologiques. Ce que nous voulons aborder, c'est comment pouvons-nous déterminer quelles sont les zones les plus importantes ou les plus intéressantes pour lesquelles nous avons besoin soit d'une résolution plus élevée, soit d'une prévision météorologique plus précise pour cette région spécifique."

Les chercheurs, qui ont publié leurs conclusions dans le Journal des ordinateurs et des géosciences , Actuellement en ligne, utilisé des algorithmes génétiques pour aider à créer un maillage plus flexible pour concentrer l'analyse informatique sur des grilles complexes, des conditions météorologiques en évolution rapide. Le maillage dans d'autres régions du pays, où le temps est plus stable, peut être étendu.

Hu a déclaré que les programmes d'algorithmes génétiques sont un modèle d'apprentissage automatique qui est vaguement basé sur l'évolution biologique. Dans l'évolution biologique, seuls quelques individus survivront dans un certain environnement sur les milliers qui ont tenté d'y vivre. De la même manière, en programmation génétique, des centaines ou des milliers de solutions potentielles seront testées par rapport à des solutions supérieures, tel que, dans ce cas, emplacements nécessitant une grille à mailles plus fines.

Hu a ajouté que les algorithmes génétiques sont conçus pour offrir de bonnes solutions, plutôt que parfaits.

"Les algorithmes génétiques ne garantissent pas la meilleure solution, mais ils garantissent de trouver de meilleures solutions plus rapidement, " a déclaré Hu. " Dans un cas comme la prévision des changements de température, vous ne vous souciez peut-être pas de trouver la solution ultime, car cela pourrait être la différence entre 29,56 degrés et 29,55 degrés. Cela n'aura probablement pas d'importance pour la personne ordinaire."

Alors que l'étude des chercheurs portait spécifiquement sur le changement de température, Hu a déclaré qu'à l'avenir, le modèle pourrait être testé sur d'autres conditions météorologiques, comme les précipitations et la couverture nuageuse.