قامت الشبكة العصبية الروسية بتحسين “صورة” العواصف في القطب الشمالي خمس مرات

تعد التنبؤات الجوية عالية الجودة عاملاً مهمًا في التنمية الآمنة للقطب الشمالي. وفي الوقت نفسه، يساهم الاحترار المتسارع في زيادة الظواهر الجوية المتطرفة في المناطق القطبية. لتحسين جودة التنبؤات، قام موظفو معهد موسكو للفيزياء والتكنولوجيا ومعهد P. P. Shirshov لعلم المحيطات التابع للأكاديمية الروسية للعلوم بتطوير شبكة عصبية أدت إلى تحسين الدقة المكانية لنماذج المناخ العالمي بمقدار خمس مرات. كما أظهرت أيضًا كفاءة حسابية أكبر بـ 60 مرة مقارنة بطرق التحليل التقليدية. نُشرت مقالة عن التطور في مجلة Frontiers in Marine Science. “التغيرات في أنظمة الرياح لها عواقب وخيمة على الملاحة على طول طريق بحر الشمال. غالبًا ما تتسبب الرياح والأمواج القوية في تأخير السفن وزيادة الطول الفعلي للطرق. كما أن لها تأثير مدمر على مرافق الموانئ ومنصات النفط والغاز البحرية. وفي الوقت نفسه، فإن دراسة الطقس في القطب الشمالي محدودة بسبب شبكة متفرقة من محطات الأرصاد الجوية، وتوزيعها غير المتساوي وعدم انتظام بيانات الأقمار الصناعية. وأوضح فاديم أن نقص المعلومات يجعل النمذجة المتوسطة الحجم الموجهة نحو العمليات ضرورية”. ريزفوف، المؤلف الأول للمنشور، ونائب رئيس مختبر التعلم الآلي في علوم الأرض في MIPT. وأوضح أنه أثناء تدريب الشبكة العصبية، تم توفير بيانات واسعة النطاق من أرشيف الطقس العالمي ERA5 (بدقة 31 كيلومترًا) كمدخلات، وتم استخدام نموذج WRF (أبحاث وتنبؤات الطقس) بتفاصيل تبلغ ستة كيلومترات كمرجع. ونتيجة لذلك، تعلمت الشبكة العصبية استعادة حقول الرياح بنفس الجودة. وكانت مدة التدريب حوالي 17 ساعة. ومع ذلك، بعد اكتمال هذه العملية، استغرق حساب حقول الرياح 10 دقائق فقط لمدة عام – مقابل 10 ساعات للنموذج المرجعي. وتبين أيضًا أن بيانات ERA5 الأصلية قللت من عدد مسارات الدوامة المحددة بنسبة 47 بالمائة تقريبًا، بينما أعادت الشبكة العصبية بناء نمط الرياح بانحراف أقل من ثلاثة بالمائة مقارنة ببيانات التحكم. “من خلال تتبع الدوامات المتوسطة النطاق ومقارنة إحصائيات دورة حياتها بمعيار، أثبتنا أن الشبكة العصبية تلتقط الخصائص الإحصائية الأساسية للأعاصير المتوسطة القطبية. وقال ميخائيل كرينيتسكي، رئيس مختبر التعلم الآلي في علوم الأرض في MIPT و”إن التزامن الوثيق لتوزيعات الحد الأقصى لسرعة الرياح المتوسطة على طول مسارات الدوامة، يشير إلى أن شدة هذه الظواهر الخطيرة يتم إعادة إنتاجها بشكل واقعي، وهو أمر مهم لتطبيقات مثل طاقة الرياح أو السلامة البحرية”. باحث أول في معهد علم المحيطات التابع للأكاديمية الروسية للعلوم. لاحظ المؤلفون بشكل خاص قدرة الشبكة العصبية على إعادة إنتاج معلمات بورا – وهي رياح عاصفة ذات طبيعة كاتاباتيكية، والتي تحدث عندما يمر الهواء البارد من بحر كارا المغطى بالجليد عبر تلال نوفايا زيمليا، ويتسارع على منحدر سلسلة الجبال، ويسقط على بحر بارنتس غير المتجمد. وهذه ظاهرة صعبة النمذجة، الأمر الذي يتطلب مراعاة التضاريس والعمليات في الطبقة الحدودية للغلاف الجوي. ومع ذلك، على شبكة يبلغ طولها ستة كيلومترات، نقلت الشبكة العصبية بشكل صحيح موقع هبوب الرياح وشدتها، في حين أن النموذج الأساسي لـ ERA5 قلل بشكل كبير من شدتها. كان التأكيد الإضافي على واقعية خوارزمية الذكاء الاصطناعي الجديدة هو اختبارها على النموذج الموجي. وهكذا، فإن حسابات ارتفاعات الأمواج في بحر بارنتس باستخدام الرياح المحسوبة بواسطة شبكة عصبية أعطت نتيجة لا يمكن تمييزها تقريبًا عن النتيجة المرجعية المقاسة في ظل الظروف الطبيعية. ومع ذلك، كانت أكثر دقة بكثير من حسابات ارتفاع الموجة باستخدام الرياح من ERA5. وهذا يعني أن التطوير قد يكون بالفعل مناسبًا للاستخدام العملي في التنبؤ بأمواج البحر وأنظمة الإنذار بالعواصف.