Google ha presentato un nuovo modello di previsione meteo chiamato MetNet-3, sviluppato da Google Research e Google DeepMind. Il MetNet-3 è stato costruito sulle basi dei precedenti modelli MetNet e MetNet-2.
Fornisce previsioni ad alta risoluzione fino a 24 ore relative a precipitazioni, temperatura superficiale, velocità e direzione del vento e punto di rugiada.
Previsioni dettagliate
Rispetto ai metodi tradizionali, MetNet-3 riesce ad ottenere prestazioni superiori, surclassando i migliori modelli fisici di previsione del tempo sia singoli che per più regioni fino a 24 ore in avanti.
Molti modelli meteorologici di apprendimento automatico recenti utilizzano lo stato atmosferico generato da metodi tradizionali come punto di partenza principale per costruire previsioni. Al contrario, una caratteristica distintiva dei modelli MetNet è l’uso di osservazioni dirette dell’atmosfera per l’addestramento e la valutazione.
Oltre alle fonti di dati utilizzate nei precedenti modelli MetNet, MetNet-3 include misurazioni puntuali dalle stazioni meteorologiche sia come input che come target. L’obiettivo è quello di fare una previsione in tutte le posizioni. A tale scopo, l’innovazione chiave di MetNet-3 è una tecnica chiamata densificazione.
Prestazioni superiori rispetto ai modelli numerici
MetNet-3 prevede una distribuzione di probabilità multinomiale marginale per ciascuna variabile di output e per ciascuna posizione che fornisce informazioni più ricche rispetto alla semplice media.
Ciò consente di confrontare gli output probabilistici di MetNet-3 con gli output dei modelli ensemble avanzati di previsione numerica del tempo, tra cui l’ensemble forecast ENS del Centro europeo per le previsioni meteorologiche a medio raggio e l’High Resolution Ensemble Forecast (HREF) della National Oceanic and Atmospheric Administration degli Stati Uniti.
In base alla natura probabilistica degli output di entrambi i modelli, possiamo calcolare punteggi come il Continuous Ranked Probability Score (CRPS). I grafici seguenti evidenziano i risultati della densificazione e illustrano che le previsioni di MetNet non sono solo di risoluzione molto più elevata, ma sono anche più accurate quando valutate negli intervalli di tempo in avanti sovrapposti.
MetNet-3 offre previsioni in tempo reale basate sull’IA
Addestrare e valutare un modello di previsione meteo come MetNet-3 su dati storici è solo una parte del processo di fornire previsioni basate sull’intelligenza artificiale agli utenti.
I ricercatori affermano di aver sviluppato un sistema in tempo reale in grado di produrre una previsione delle precipitazioni ogni pochi minuti per l’intero territorio degli Stati Uniti e per 27 paesi in Europa per un intervallo di tempo fino a 12 ore.
Previsioni meteo nei prodotti Google
In tutto il mondo le persone fanno affidamento su Google ogni giorno per ottenere informazioni meteo utili, tempestive e accurate. Queste informazioni vengono utilizzate per una varietà di scopi.
L’accuratezza all’avanguardia, l’elevata risoluzione temporale e spaziale e la natura probabilistica di MetNet-3 consentono di creare approfondimenti meteo locali unici.
Per gli Stati Uniti continentali e l’Europa, MetNet-3 è operativo e produce previsioni delle precipitazioni in tempo reale a 12 ore che vengono ora fornite in vari prodotti e tecnologie Google in cui il meteo è rilevante.
Conclusioni
MetNet-3 è un nuovo modello di deep learning per le previsioni meteo all’avanguardia che surclassa i modelli fisici per le previsioni a 24 ore. Ha il potenziale per creare nuove possibilità per le previsioni meteo e migliorare la sicurezza e l’efficienza di molte attività. È operativo e le sue previsioni sono fornite in diversi prodotti Google.
