MIT araştırmacıları, hava tahminlerini iki ile altı hafta arasında daha doğru hale getiren yeni bir makine öğrenimi modeli geliştirdi.
Texas’taki Enerji Krizi ve Hava Tahminlerinin Önemi
2021 yılında Texas, üç şiddetli kış fırtınası sonrası tarihinin en kötü enerji altyapısı çöküşünü yaşadı. Bu olay sonucu en az 246 kişi hayatını kaybetti ve gıda, su, ısı ve elektrik sıkıntıları baş gösterdi. Enerji yetkilileri, fırtınalara daha iyi hazırlık yapabilseydi, örneğin doğal gaz taşıyan daha fazla kamyon göndererek, hasar azaltılabilirdi. Ancak, iki haftadan daha uzun süreli hava tahminleri genellikle güvenilmez olduğu için enerji operatörleri, çiftçiler ve acil durum yanıtı yetkilileri için zaman daralmaktadır.
Yeni Makine Öğrenimi Modeli
MIT’den araştırmacılar, mevcut tahmin modellerindeki hataları düzeltmek için bir makine öğrenimi modeli geliştirdi. Bu model, iki ila altı hafta arasındaki tahminlerin doğruluğunu iki katına çıkardı ve uluslararası bir tahmin yarışmasında birinci oldu. Araştırmacılar, Nature dergisinde yayımladıkları makalede, bu yaklaşımın iklim ortalamalarını aşarak ilk kez daha iyi tahminler sağladığını belirtiyor.
Aşırı Hava Olaylarının Tahmini
MIT Araştırmacısı Judah Cohen, “Bu model, sadece çiftçiler ve enerji sektöründeki üyeler için faydalı olmakla kalmıyor, aynı zamanda aşırı hava olaylarının tahminlerini de iyileştiriyor” diyor. Bu aşırı olayların tahmini, toplum için en etkili kısım olabilir. Araştırma ekibinin diğer yazarları arasında Harvard Üniversitesi’nden Hannah Guan, Toronto Üniversitesi’nden Soukayna Mouatadid ve Microsoft’tan Alex Lu yer alıyor.
Kaos Teorisi ve Tahmin Sınırları
1970’lerde MIT Profesörü Edward Lorenz, hava tahminlerinde kaos teorisini geliştirdi ve iki haftalık bir limit öne sürdü. Cohen, “Atmosferin sonsuz sayıda desen oluşturabileceğine inanıyorum, ancak bu desenler genellikle belirli kalıplara düşüyor” diyerek tahminlerin uzun vadede zor olduğunu belirtiyor. Hava tahminleri, dinamik modeller veya yapay zeka modelleri ile yapılmaktadır. Ancak, yapay zeka modelleri uzun vadede dinamik modeller kadar başarılı olamıyordu.
Modelin Uygulama ve Test Süreci
Geliştirilen model, MIT’nin süper bilgisayar kümesi kullanılarak oluşturuldu, ancak çalıştırmak için süper bilgisayar gerekmiyor. Araştırma ekibi, Avrupa Orta Vadeli Hava Tahminleri Merkezi’ne (ECMWF) üç model göndererek bu modeli test etti. Yarışmada birinci olan model, ECMWF’nin tahmin modelini kullanarak ve üzerine hata düzeltme uygulayarak iki kat daha fazla tahmin gücü sağladı.
Geçmişe Göre İyileşme ve Uygulama Alanları
Cohen, “Şimdiye kadar kimse, bu alt sezon tahminleri için hava tahmininin uzun dönem ortalamalarından daha iyi olduğunu gösterememişti” diye belirtiyor. Geliştirilen model, Kenya Cumhuriyeti Meteoroloji Ofisi tarafından yıllık muson sezonunu iyileştirmek için kullanılmak isteniyor. Cohen, modelin tarım, enerji ve acil durum yönetimi için yararlı olabileceğini ifade ediyor.
Gelecekteki Potansiyel Kullanımlar
Cohen, “Bu model, yağmur dönemlerine göre gübreleme zamanlaması, dondurucu havalarda mahsulleri koruma veya kuraklıkları önlemeye yardımcı olabilir” diyor. Modelin açık kaynaklı ve düşük maliyetli olması, daha geniş bir kullanıcı kitlesine ulaşmasını sağlayabilir. Araştırmalar, ABD Ulusal Bilim Vakfı ve Avrupa Birliği gibi çeşitli kuruluşlar tarafından desteklenmiştir.
