AI verbetert weersvoorspellingen: onderzoekers verdubbelen de betrouwbaarheid van voorspellingen voor 2 tot 6 weken vooruit

De huidige weersvoorspellingen zijn relatief betrouwbaar voor perioden tot 10 dagen. Temperaturen, neerslag, wind en het tijdstip waarop specifieke weerpatronen optreden, kunnen vaak met redelijke nauwkeurigheid worden voorspeld.

Bestaande voorspellingssystemen hebben echter moeite met voorspellingen op de subsaisonale termijn, grofweg twee tot zes weken vooruit. Op die termijn richten voorspellingen zich meer op waarschijnlijkheden, temperatuurafwijkingen, neerslagpatronen en een verhoogd risico op bepaalde weersomstandigheden.

Nauwkeurigere voorspellingen kunnen aanzienlijke voordelen opleveren, vooral voor de landbouw. Boeren kunnen zich beter voorbereiden op perioden van droogte of overmatige neerslag en hun plannen voor zaaien, irrigatie, bemesting en oogsten daarop afstemmen. Deze voorspellingen zijn ook belangrijk voor crisisbeheersing en rampenparaatheid.

Onderzoekers van MIT werken aan het verbeteren van de nauwkeurigheid van weersvoorspellingen. In plaats van simpelweg een AI-model te trainen om betere voorspellingen te doen, gebruiken ze AI om terugkerende of systematische fouten in bestaande voorspellingsmodellen op te sporen die de ontwikkelaars ervan nog niet eerder hadden opgemerkt, en die vervolgens te corrigeren. Het onderzoek is gepubliceerd in Nature.

Nadat ze hun machinelearningmodel hadden toegepast op de gouden standaard onder de bestaande voorspellingsmodellen, konden de onderzoekers de betrouwbaarheid van voorspellingen voor de periode van twee tot zes weken verdubbelen.

Ze pasten hun AI ook toe op minder geavanceerde voorspellingsmodellen, waardoor de prestatiekloof tussen die systemen en het toonaangevende model aanzienlijk kleiner werd. De MIT-onderzoekers hopen de techniek wereldwijd in te zetten, vooral in regio's waar vroegtijdige waarschuwingen voor natuurrampen bijzonder belangrijk zijn.