Bliksem is een van de meest onvoorspelbare verschijnselen in de natuur. Het doodt regelmatig mensen en dieren en steekt huizen en bossen in brand. Het houdt vliegtuigen aan de grond en beschadigt hoogspanningsleidingen, windturbines en zonnepaneleninstallaties. Echter, er is weinig bekend over wat bliksem veroorzaakt, en er is geen eenvoudige technologie om te voorspellen wanneer en waar bliksem de grond zal inslaan.

Bij EPFL's School of Engineering, onderzoekers in het Elektromagnetische Compatibiliteitslaboratorium, onder leiding van Farhad Rachidi, een eenvoudig en goedkoop systeem hebben ontwikkeld dat tot op 10 tot 30 minuten kan voorspellen wanneer de bliksem inslaat, binnen een straal van 30 kilometer. Het systeem maakt gebruik van een combinatie van standaard meteorologische gegevens en kunstmatige intelligentie. Het onderzoekspaper is gepubliceerd in Klimaat- en atmosferische wetenschap , een Natuur partner tijdschrift. De onderzoekers zijn nu van plan hun technologie te gebruiken in het Europese Laser Lightning Rod-project.

"De huidige systemen zijn traag en zeer complex, en ze vereisen dure externe gegevens verkregen door radar of satelliet, " legt Amirhossein Mostajabi uit, de Ph.D. student die de techniek bedacht. "Onze methode maakt gebruik van gegevens die van elk weerstation kunnen worden verkregen. Dat betekent dat we afgelegen gebieden kunnen dekken die buiten het radar- en satellietbereik liggen en waar communicatienetwerken niet beschikbaar zijn."

Bovendien, omdat de gegevens eenvoudig en in realtime kunnen worden verkregen, voorspellingen kunnen heel snel worden gedaan - en waarschuwingen kunnen worden afgegeven zelfs voordat er zich een storm heeft gevormd.

De machine trainen met behulp van beschikbare gegevens

De methode van de EPFL-onderzoekers maakt gebruik van een machine learning-algoritme dat is getraind om omstandigheden te herkennen die tot bliksem leiden. Om de opleiding uit te voeren, de onderzoekers gebruikten gegevens die over een periode van tien jaar waren verzameld van 12 Zwitserse weerstations, gelegen in zowel stedelijke als bergachtige gebieden.

Er werd rekening gehouden met vier parameters:atmosferische druk, luchttemperatuur, relatieve vochtigheid en windsnelheid. Die parameters werden gecorreleerd met opnames van bliksemdetectie- en locatiesystemen. Met behulp van die methode, het algoritme was in staat om de omstandigheden te leren waaronder bliksem optreedt.

Eenmaal getraind, het systeem deed voorspellingen die bijna 80% van de tijd juist bleken te zijn.

Het is voor het eerst dat een systeem op basis van eenvoudige meteorologische gegevens blikseminslagen kan voorspellen door middel van realtime berekeningen. De methode biedt een eenvoudige manier om een ​​complex fenomeen te voorspellen.