Investigadores del KIT quieren utilizar métodos de estadística e inteligencia artificial (IA) para corregir errores sistemáticos en los modelos meteorológicos

Para poder proteger mejor a las personas y al medio ambiente, es esencial una previsión más precisa de los fenómenos meteorológicos extremos, como las tormentas de invierno. Los científicos del KIT ahora han comparado métodos estadísticos y de aprendizaje automático para predecir mejor con IA (Inteligencia Artificial) las ráfagas de viento, con el fin de hacerlos más precisos y confiables. La inclusión de información geográfica y otras variables meteorológicas como la temperatura conduce a mejoras significativas en la calidad de los pronósticos, especialmente a través de métodos modernos de IA basados en redes neuronales.

Fuertes ráfagas de viento, como ráfagas de viento con una velocidad de más de 65 kilómetros por hora, pueden causar daños importantes y representar un peligro para las personas, los animales y las infraestructuras. Para poder emitir alertas efectivas, los pronósticos tempranos y confiables son cruciales. “Sin embargo, las ráfagas de viento son difíciles de modelar, porque son impulsadas por procesos a pequeña escala y ocurren muy localmente”, dice Benedikt Schulz, estudiante de doctorado del Institut für Stochastik del KIT. “Por lo tanto, su previsibilidad para los modelos numéricos de pronóstico del tiempo utilizados por los servicios meteorológicos es limitada y está plagada de incertidumbres”.

Para poder evaluar mejor tales incertidumbres en los pronósticos, los meteorólogos crean pronósticos por conjuntos. A partir del estado actual de la atmósfera, llevan a cabo varios cálculos de modelos en paralelo, cada uno de los cuales se relaciona con condiciones marco ligeramente diferentes. De esta manera, pueden registrar varios escenarios sobre el desarrollo futuro del clima. “A pesar de las mejoras continuas, estos pronósticos meteorológicos conjuntos todavía muestran errores sistemáticos, ya que las condiciones locales, algunas de las cuales varían con el tiempo, no se pueden incluir en los modelos”, dice Schulz. “Con la ayuda de la inteligencia artificial, queremos corregir estos errores sistemáticos para mejorar pronósticos y predecir fenómenos meteorológicos peligrosos de manera más confiable”.

La información geográfica y otras variables meteorológicas mejoran las previsiones de rachas de viento

Junto con el Dr. Sebastian Lerch, quien dirige el grupo de investigación junior “Métodos de IA para pronósticos meteorológicos probabilísticos” financiado por la Fundación Vector del Instituto de Economía del KIT, por primera vez, Schulz comparó una gran cantidad de diferentes métodos estadísticos y de IA para el procesamiento posterior de pronósticos de conjuntos para ráfagas de viento. “Consideramos los métodos nuevos y existentes para el posprocesamiento estadístico de los pronósticos meteorológicos numéricos y llevamos a cabo una comparación sistemática de la calidad de sus pronósticos”, dice Lerch.

Se demostró que, básicamente, todos los métodos de posprocesamiento generan predicciones fiables de la velocidad de las ráfagas de viento. “Sin embargo, los métodos de IA son claramente superiores a los enfoques estadísticos clásicos y ofrecen resultados significativamente mejores, ya que permiten incluir mejor nuevas fuentes de información como las condiciones geográficas u otras variables meteorológicas como la temperatura y la radiación solar”, resume Lerch. “Las predicciones de los métodos de IA reducen los errores de pronóstico de los modelos meteorológicos en alrededor de un 36 por ciento de media”, dice Schulz. Según los pronósticos del modelo meteorológico del Servicio Meteorológico Alemán (DWD) en 175 estaciones de observación en Alemania, los métodos de IA brindaron mejores pronósticos en más del 92 por ciento de las estaciones que todos los modelos de referencia para el posprocesamiento estadístico. La capacidad de las redes neuronales para aprender relaciones complejas y no lineales a partir de la gran cantidad de datos disponibles juega un papel central en esto, con el fin de corregir los errores sistemáticos en las predicciones del conjunto. “Al analizar cuál de la información es particularmente relevante para los métodos, también se pueden sacar conclusiones sobre los procesos meteorológicos”, dice Schulz.

Con su trabajo, los investigadores quieren contribuir al desarrollo de métodos para el pronóstico del tiempo en la interfaz entre la estadística y la IA. “Los métodos examinados podrían ser utilizados, por ejemplo, por los servicios meteorológicos para mejorar los pronósticos”, dice Lerch. “Estamos en intercambio activo con el Servicio Meteorológico Alemán y otros servicios meteorológicos internacionales”.

Predecir mejor con IA las ráfagas de viento – Investigación nacional para mejores pronósticos del tiempo

La investigación es parte del Centro de Investigación Colaborativa/Transregio 165 » Waves to Weather» (W2W). Científicos de KIT, la Universidad Ludwig Maximilian de Munich como coordinador y la Universidad Johannes Gutenberg (JGU) están trabajando juntos a nivel nacional e interdisciplinario para hacer que los pronósticos meteorológicos sean aún más precisos y confiables. Con esto, W2W se enfrenta al mayor reto actual en la previsión meteorológica: identificar los límites de previsibilidad en diferentes situaciones y crear físicamente la mejor previsión posible en cada caso.

Publicación original

Benedikt Schulz y Sebastian Lerch: Métodos de aprendizaje automático para el posprocesamiento de pronósticos de conjuntos de ráfagas de viento: una comparación sistemática. Revisión meteorológica mensual (MWR), 2022. DOI: 10.1175/MWR-D-21-0150.1.

Detalles sobre el KIT Center MathSEE: https://www.mathsee.kit.edu/index.php

Como «La Universidad de Investigación en la Asociación Helmholtz», KIT crea e imparte conocimiento para la sociedad y el medio ambiente. El objetivo es hacer contribuciones significativas a los desafíos globales en los campos de la energía, la movilidad y la información. Con este fin, alrededor de 9.800 empleados trabajan juntos en una amplia base disciplinaria en ciencias naturales, ingeniería, economía, humanidades y ciencias sociales. KIT prepara a sus 22.300 estudiantes para tareas responsables en la sociedad, los negocios y la ciencia a través de estudios universitarios orientados a la investigación. La actividad de innovación en KIT cierra la brecha entre el conocimiento y la aplicación para el beneficio social, la prosperidad económica y la preservación de nuestras bases naturales de vida. El KIT es una de las universidades alemanas de excelencia.