Juda Cohen, directeur seizoensprognoses bij AER (Atmospheric and Environmental Research) en gastwetenschapper bij MIT's Department of Civil and Environmental Engineering, en Ernst Fraenkel, hoogleraar biologische technologie aan het MIT, de eerste plaats hebben gewonnen in drie van de vier categorieën voor temperatuurvoorspelling in de Sub-Seasonal Climate Forecast Rodeo-competitie, georganiseerd door de National Oceanic and Atmospheric Administration en gesponsord door het Amerikaanse Bureau of Reclamation.

De MIT-onderzoekers, die werden vergezeld door Stanford University Ph.D. studenten Jessica Hwang en Paulo Orenstein en Microsoft-onderzoeker Lester Mackey, verslaan het operationele langetermijnvoorspellingsmodel dat door de Amerikaanse overheid wordt gebruikt.

Om in aanmerking te komen voor de wedstrijd, de teams moesten tussen 17 april elke twee weken hun klimaatvoorspelling indienen, 2017 en 18 april 2018. Het doel was om een ​​model te creëren waarop het westen van de Verenigde Staten weken van tevoren zou kunnen vertrouwen om de watervoorraden te helpen beheren en zich voor te bereiden op bosbranden en droogte.

De concurrentie vereiste dat de modellen een hogere gemiddelde vaardigheid behalen dan alle concurrerende voorspellingen, en twee benchmarks ingediend door de Amerikaanse regering, die onpartijdige versies zijn van het op fysica gebaseerde Amerikaanse klimaatvoorspellingssysteem. De modellen moesten ook een gedempte persistentie bereiken (wat aangeeft dat de gegevens die u bijdraagt ​​het correlatieve effect in de loop van de tijd vergroten).

"De huidige weersvoorspellingsmodellen kunnen slechts zeven tot tien dagen voorafgaand aan de voorspelling voorspellingen doen. Door gebruik te maken van machine learning-technieken zoals die we voor deze wedstrijd hebben gemaakt, [het nieuwe model] kan energiebedrijven en steden veel verder van tevoren helpen zich voor te bereiden op zware stormen, ' zegt Koen.

Het dynamische team van experts combineerde historische herkenning van weerpatronen en machine learning om twee tot zes weken van tevoren realtime voorspellingen te doen van temperatuur- en neerslagafwijkingen voor het westen van de Verenigde Staten.

"We hebben geprofiteerd van de huidige beschikbaarheid van voldoende meteorologische gegevens en krachtige computertechnieken om zowel op fysica gebaseerde of dynamische modellen als statistische machine learning-benaderingen te combineren om de bekwame voorspellingshorizon van dagen tot weken te verlengen, ' zegt Koen.

De combinatie van machine learning-technieken en historische herkenning van weerpatronen is zeer krachtig omdat het de overheid kan helpen de watervoorraden te maximaliseren en zich voor te bereiden op natuurrampen of extreme weersomstandigheden.

"Er zijn zeker plannen om dit project voort te zetten, aangezien we hebben gesproken over het uitbreiden van het model naar de hele VS. We hebben met deze wedstrijd aangetoond dat dit model potentieel heeft om het prognoseproces te overslaan. Het kan helpen om meer nauwkeurigheid te bieden tegen lagere kosten in de subseizoensvoorspellingen, ’ legt Cohen uit.

Dit verhaal is opnieuw gepubliceerd met dank aan MIT News (web.mit.edu/newsoffice/), een populaire site met nieuws over MIT-onderzoek, innovatie en onderwijs.