Múltból lemodellezhető időjóslás

A pontosabb meteorológiai előrejelzések érdekében újfajta statisztikai módszereken alapuló modellezési technikákat alkottak a Debreceni Egyetem Informatikai Karának kutatói. Egyebek mellett a szélerősség, a napsütés ereje, a csapadék várható mennyisége, valamint a látástávolság precízebb meghatározása kapcsán végeztek vizsgálatokat.

A Középtávú Időjárás-előrejelzések Európai Központjával (European Centre for Medium-Range Weather Forecasts; ECMWF) folytatott együttműködés során az Informatikai Kar kutatócsoportja a különböző felbontású ensemble előrejelzések összekeverésének hatásait vizsgálta hőmérséklet és csapadékösszeg esetén. A kérdés az volt, hogy azonos előállítási költség mellett mi a jobb: a kevesebb finom vagy a több durva térbeli felbontású előrejelzés, esetleg ezek keveréke, illetve mi történik akkor, ha ezeket még utófeldolgozzák. 

Baran Sándor, az IK Alkalmazott Matematika és Valószínűségszámítás Tanszékének vezetője, aki a világ nyolc másik kutatója mellett 2021 óta az ECMWF ösztöndíjasa, a hirek.unideb.hu-nak elmondta: míg a nyers előrejelzések esetén létezik egy optimális, ugyanannyi finom és durva felbontású előrejelzést tartalmazó kombináció, az utófeldolgozás során ezek a különbségek lényegében eltűnnek. Emellett a csapadékösszeg esetében a korábban Debrecenben kidolgozott utófeldolgozó modell teljesítménye nem különbözött a jóval bonyolultabb és magasabb adatigényű technikákétól. Ezek a kutatások szervesen illeszkedtek az ECMWF stratégiaalkotási programjába, ahol 2023 júniusa óta egyedülálló módon egy 9 és egy 36 kilométeres rácsfelbontásban szolgáltatnak előrejelzéseket a bolygó teljes felszínére. 

A HungaroMet Magyar Meteorológiai Szolgáltató Nonprofit Zrt. kezdeményezésére a megújuló energiatermeléshez kapcsolódó időjárási változók statisztikai vizsgálatát is elvégezte a DE Informatikai Kar kutatócsoportja. Arra voltak kíváncsiak, hogy a száz méter magasságban mért szélsebesség, valamint a napsugárzás kapcsán hogyan lehet jobban összehangolni a becsült energiamennyiséget a valós termelési adatokkal. Baran Sándor kiemelte, hogy a meglévő utófeldolgozó modellek vizsgálata mellett újakat is fejlesztettek és teszteltek, eredményeik alapján a szélsebesség esetében 12 százalékot sikerült javítani az előrejelzések pontosságán, a napsugárzásnál pedig már a húsz százalékot is elérték. Hozzátette, hogy a publikált modellek jelenleg tesztelési fázisban vannak, egyelőre még nem ez alapján szolgáltatják az adatokat. Magyarországon ilyen utófeldolgozással a debreceni Informatikai Karon kívül sehol nem foglalkoznak, és a kutatásaik egyik következő iránya a megtermelt napenergia előrejelzések pontosítására szolgáló modellek fejlesztése lesz.

A Debreceni Egyetem Informatikai Kara a látástávolság-előrejelzések esetében is fejlesztett modellt, így a hajózásnak, a repülés-meteorológiának, valamint a közúti közlekedésnek is a hasznára válhatnak a precízebb adatok. Az Alkalmazott Matematika és Valószínűségszámítás Tanszék vezetője elárulta, hogy a világon nem sokan alkotnak erre utófeldolgozási modelleket, ismereteik szerint egy-két próbálkozás van csupán. A DE kutatócsoportjának munkája jóvoltából pontosabban jelezhetők előre az olyan jellegű események, hogy például mikor lesz ötszáz méter alatt a látótávolság, és a jövőben akár ez alapján figyelmeztethetik az autósokat, erre építve vezethetik be a repülőtereken a rossz látási viszonyokra vonatkozó leszállási protokollokat. Baran Sándor szerint egy olyan hiányterületről van szó, amiben bőven lehet még fejlesztési potenciál. 

- A rendszerek fejlődnek, a meteorológiai szolgálattól érkező nyers előrejelzések is egyre pontosabbak. A kutatás során a közép-európai régióra vonatkozó 2017-2018-as adatokat hasonlítottuk össze a 2020-21-es adatokkal és azt tapasztaltuk, hogy itt is vannak javulások magukban a meteorológiai előrejelzésekben. Ha erre még rá tudunk tenni 5-10 százalékot, akkor nagyon jó eredményt érhetünk el – jegyezte meg a tanszékvezető.

Egy másik kutatási projektben valós adatokon alapuló többdimenziós utófeldolgozási technikák összehasonlítását végezték el a szakemberek. Az volt a kérdés, hogy a nyers előrejelzésekben még meglévő, de a hely- és időspecifikus utófeldolgozás által elveszett térbeli és időbeli összefüggéseket hogyan lehet visszaállítani. Az átfogó, 12 év hőmérséklet-, szélsebesség- és csapadékösszeg adatain alapuló kutatás a meglévő összehasonlító technikák rangsorolására fókuszált. Nyolc ilyen technikát próbáltak ki a kutatók és arra jutottak, hogy már a legegyszerűbb többdimenziós módszerek is jól működnek.

- Mindegyik kutatásunk eredményei szabadon hozzáférhetők, hiszen az elmúlt 10-12 évben huszonöt cikket publikáltunk, melyek több mint fele elsőosztályú Q1-es folyóiratban jelent meg és több mint 460 hivatkozás történt ezekre. Jelenleg több D1-es és Q1-es besorolású cikkünk van elbírálás alatt, így a nemzetközi publikációink száma várhatóan hamarosan emelkedni fog. Ezeknek a kutatásoknak és az eredményeknek a közlése a nemzetközi kapcsolatrendszer fejlesztése szempontjából is fontos – tette hozzá Baran Sándor. 

A szakember szerint míg az utófeldolgozások során már jelenleg is sokan használnak mesterséges intelligenciát, a jövőben ezt már a nyers meteorológiai előrejelzések előállításához is bevethetik. A bonyolult, szuperszámítógépeket igénylő fizikai modelleket esetleg jóval költséghatékonyabb adatvezérelt előrejelzésekre cserélnék, ehhez azonban be kell tanítani az MI-modelleket. Jelenleg többek között az ECMWF-nél is előrehaladott kísérletek folynak és mivel ott több évtizednyi meteorológiai adat áll rendelkezésre, minden esély meg is van a sikerre. A múlt mintázatai alapján jósolnák meg a jövőt.

Sajtóközpont - BZ