Располагая 100-летними данными об ураганах и современными методами искусственного интеллекта, исследователи из Национального института стандартов и технологий (NIST) разработали новый метод цифрового моделирования ураганов. Результаты исследования, опубликованные сегодня в Искусственный интеллект для систем Земли продемонстрируйте, что моделирование может точно отображать траекторию и скорости ветра для набора реальных штормов. Авторы предполагают, что моделирование многочисленных реалистичных ураганов с помощью нового подхода может помочь разработать улучшенные рекомендации по проектированию зданий в регионах, подверженных ураганам.

Государственные и местные законы, регулирующие проектирование и строительство зданий, более известные как строительные нормы и правила, указывают проектировщикам на стандартизированные карты. На этих картах инженеры могут определить уровень ветра, с которым должна справляться их конструкция, исходя из ее местоположения и относительной важности (т.е. для больницы планка выше, чем для объекта самостоятельного хранения). Скорости ветра на картах получены на основе множества гипотетических ураганов, смоделированных с помощью компьютерных моделей, которые сами основаны на реальных записях ураганов.

"Представьте, что у вас есть вторая Земля или тысяча Земель, где вы могли бы наблюдать ураганы в течение 100 лет и видеть, где они обрушиваются на побережье, насколько они интенсивны. Эти смоделированные штормы, если они ведут себя как настоящие ураганы, могут быть использованы для создания данных на картах практически напрямую", - сказал математический статистик NIST Адам Пинтар, соавтор исследования.

Исследователи, разработавшие новейшие карты, сделали это, смоделировав сложную внутреннюю работу ураганов, на которую влияют такие физические параметры, как температура поверхности моря и шероховатость земной поверхности. Однако необходимые данные об этих конкретных факторах не всегда легко доступны.

Более десяти лет спустя достижения в области инструментов на основе искусственного интеллекта и годы дополнительных записей об ураганах сделали возможным беспрецедентный подход, который в будущем может привести к созданию более реалистичных карт ураганного ветра.

Постдокторант NIST Рихи Бозе вместе с Пинтаром и сотрудником NIST Эмилем Симиу использовали эти новые методы и ресурсы, чтобы подойти к проблеме под другим углом. По словам Пинтара, вместо того, чтобы математически моделировать шторм с нуля, авторы нового исследования научили его имитировать реальные данные об ураганах с помощью машинного обучения.

Подготовка к экзамену по физике, просто просматривая вопросы и ответы из предыдущих заданий, может оказаться не в пользу студента, но для мощных методов, основанных на искусственном интеллекте, такой подход может оказаться полезным.

Располагая достаточным количеством качественной информации для изучения, алгоритмы машинного обучения могут создавать модели на основе выявленных ими закономерностей в наборах данных, которые могут отсутствовать при использовании других методов. Затем эти модели могут имитировать определенное поведение, такое как сила ветра и движение урагана.

В новом исследовании учебный материал был получен в виде базы данных Национального центра ураганов по ураганам в Атлантике (HURDAT2), которая содержит информацию об ураганах более чем 100-летней давности, такую как координаты их траекторий и скорости ветра.

Исследователи разделили данные о более чем 1500 штормах на наборы для обучения и тестирования своей модели. Когда перед моделью была поставлена задача одновременного моделирования траектории и ветра исторических штормов, которых она раньше не видела, она получила высокие оценки.

"Он работает очень хорошо. Честно говоря, в зависимости от того, куда вы смотрите вдоль побережья, было бы довольно трудно отличить имитированный ураган от реального", - сказал Пинтар.

Они также использовали эту модель для создания наборов гипотетических штормов продолжительностью в 100 лет. Он произвел моделирование за считанные секунды, и авторы увидели большую степень совпадения с общим поведением штормов HURDAT2, предполагая, что их модель может быстро создавать коллекции реалистичных штормов.

Однако имелись некоторые расхождения, например, в Северо-восточных прибрежных штатах. В этих регионах данные HURDAT2 были скудными, и, следовательно, модель генерировала менее реалистичные штормы.

"Ураганы не так часты, скажем, в Бостоне, как, например, в Майами. Чем меньше у вас данных, тем больше неопределенность в ваших прогнозах", - сказал Симиу.

В качестве следующего шага команда планирует использовать имитацию ураганов для разработки прибрежных карт экстремальных скоростей ветра, а также количественной оценки неопределенности в этих расчетных скоростях.

Поскольку понимание штормов в модели на данный момент ограничено историческими данными, она не может смоделировать последствия, которые изменение климата окажет на штормы в будущем. Традиционный подход к моделированию штормов с нуля лучше подходит для этой задачи. Однако в краткосрочной перспективе авторы уверены, что карты ветра, основанные на их модели, которая в меньшей степени зависит от неуловимых физических параметров, чем другие модели, будут лучше отражать реальность.

В течение следующих нескольких лет они намерены разработать и предложить новые карты для включения в строительные стандарты и кодексы.