Con il machine learning si può prevedere correttamente il meteo

Con il progredire del cambiamento climatico, il monitoraggio costante del territorio è essenziale. Lo è doppiamente nei territori geograficamente esposti a condizioni meteorologiche mutevoli come la Thailandia. La Thammasat School ha quindi dimostrato che è possibile prevedere con precisione il meteo fino a 12 mesi con il machine learning.

Pubblicata a settembre 2018, la ricerca della Thammasat School ha raccolto risultati molto interessanti. Il modello di machine learning presentato nell’articolo ha infatti la sua base scientifica nel monitoraggio delle precipitazioni tra il 1991 e il 2010. Gli scienziati hanno però ottenuto la prova scientifica monitorando la quantità di pioggia caduta mensilmente tra il 2011 e il 2016 presso la stazione di Pluak Deang, in Thailandia. Quindi, con il machine learning si può prevedere correttamente il meteo.

Il modello previsionale di machine learning

Il modello di machine learning considerato ha usato come approccio le reti neurali del deep learning. Il modello ottimale deve quindi considerare le seguenti variabili: temperatura dell’aria, altezza geopotenziale, vento meridionale, omega, radiazione a onda lunga in uscita, umidità relativa, umidità specifica, pressione a livello del mare, temperatura della superficie del mare, vento zonale, tasso di precipitazione e acqua precipitabile.

L’immagine è tratta da una ricerca pubblicata al seguente link: https://www.tci-thaijo.org/index.php/easr/article/view/127733

I risultati della verifica scientifica danno grande robustezza al modello. I risultati hanno infatti confermato che il modello può fare previsioni da un mese fino a 12 mesi. L’arco temporale che consente previsioni corrette e affidabili è di 30 giorni, in cui circa il 70% dei valori previsti è pari a quelli osservati.

Risultati e considerazioni finali

Infine, il modello è in grado di prevedere abbastanza bene le precipitazioni mensili per gli anni da umidi a molto piovosi. In Thailandia, infatti, pochi modelli per le previsioni meteorologiche sono affidabili. Il modello DNN qui proposto fornisce quindi previsioni corrette e affidabili nel tempo. Tuttavia, è bene aumentare la solidità del modello con ulteriori verifiche.

Leggi e condividi altre notizie ambientali sfogliando The Patent, la rivista delle invenzioni.