پژوهشگران MIT و همکاران بینالمللی با توسعه یک تکنیک یادگیری ماشین، دقت پیشبینی هوا را در بازه زمانی دو تا شش هفته به طور چشمگیری افزایش دادند. این پیشرفت میتواند نقش مهمی در مدیریت بحران، کشاورزی و انرژی ایفا کند.
در ۱۴ اکتبر ۲۰۲۶، تیمی از پژوهشگران به رهبری اعضای MIT اعلام کردند که با استفاده از یک مدل یادگیری ماشین، موفق به بهبود قابل توجه پیشبینیهای هواشناسی در بازه زمانی دو تا شش هفته شدهاند. این بازه زمانی که به «بیابان پیشبینیپذیری» معروف است، همواره یکی از چالشهای اصلی برای هواشناسان و مدیران بحران بوده است.
به گفته پژوهشگران، مدل توسعهیافته آنها با تصحیح خطاهای مدلهای پیشبینی موجود، توانسته است دقت پیشبینی را در این بازه زمانی دو برابر کند. این مدل در یک رقابت بینالمللی معتبر پیشبینی هواشناسی نیز رتبه نخست را کسب کرده است.
روش کار مدل جدید
پژوهشگران توضیح دادهاند که مدل یادگیری ماشین آنها به عنوان یک لایه پسپردازش (postprocessing) عمل میکند و با یادگیری از خطاهای گذشته مدلهای پیشبینی، خروجی آنها را اصلاح میکند. این روش برخلاف تصحیح خطای سنتی، قادر است حتی در پیشبینی رویدادهای حدی مانند سیل یا سرمای شدید نیز عملکرد بهتری داشته باشد.
اهمیت و کاربردها
طبق اعلام تیم پژوهشی، این پیشرفت میتواند به مدیران انرژی، کشاورزان و مسئولان مدیریت بحران کمک کند تا با آمادگی بیشتری نسبت به رویدادهای آبوهوایی واکنش نشان دهند. برای مثال، در بحران زمستان ۲۰۲۱ تگزاس، اگر پیشبینیهای دقیقتری در بازه دو هفتهای وجود داشت، امکان کاهش خسارات و تلفات فراهم میشد.
آزمایش و نتایج
به گفته پژوهشگران، مدل جدید آنها پس از ترکیب با مدل پیشبینی مرکز اروپایی پیشبینی میانمدت (ECMWF) و اعمال لایه تصحیح خطا، قدرت پیشبینی را در بازه دو تا شش هفته دو برابر کرده است. همچنین، برای نخستین بار، این مدل توانسته است پیشبینیهایی بهتر از میانگینهای اقلیمی بلندمدت ارائه دهد.
گام بعدی و دسترسپذیری
پژوهشگران اعلام کردهاند که مدل آنها متنباز و کمهزینه است و میتواند به سادگی به مدلهای مختلف پیشبینی هوا اضافه شود. دفتر هواشناسی کنیا نیز برای بهبود پیشبینیهای موسمی کشاورزی به سراغ این مدل رفته است. تیم پژوهشی ابراز امیدواری کرده است که گروههای بیشتری از این ابزار برای مدیریت بهتر منابع و کاهش آسیبهای ناشی از رویدادهای آبوهوایی استفاده کنند.
محدودیت منبع
این گزارش صرفاً بر اساس اعلام پژوهشگران و بدون ارزیابی مستقل یا دیدگاه رقیب تهیه شده است.


