نشست علمی و پژوهشی با موضوع کاربرد روش های یادگیری ماشین در پیش بینی وضع هوا برگزار شد

به گزارش روابط عمومی پژوهشگاه هواشناسی و علوم جو کشور، به مناسبت فرارسیدن هفته پژوهش و فناوری، نشست علمی و پژوهشی با موضوع "کاربرد روش های یادگیری ماشین در پیش بینی وضع هوا" با سخنرانی مجید آزادی "عضو هیات علمی و مدیر گروه پژوهشی مدل سازی جو و اقیانوسی پژوهشگاه هواشناسی و علوم جو کشور" در محل سالن جلسات این پژوهشگاه به صورت حضوری و مجازی(برخط) برگزار شد.

در ابتدای این نشست مجید آزادی اظهار نمود: یادگیری ماشینی (ML) کاربردهای مختلفی در هواشناسی دارد، روش ‌های سنتی را بهبود می‌بخشد و به پیش‌ بینی ‌های دقیق ‌تر و کاراتر کمک می‌کند.

وی ادامه داد: برخی از کاربردهای کلیدی یادگیری ماشین در هواشناسی عبارتند از: پیش­بینی وضع هوا (پیش­بینی وقایع فرین، پیش­بینی کوتاه مدت، پیش­بینی همادی)، داده­گواری، مدل­سازی اقلیمی، پس پردازش، تحلیل تصاویر ماهواره و ...

این عضو هیات علمی پژوهشگاه هواشناسی و علوم جو کشور افزود: GraphCast یک الگوریتم جدید و انقلابی در پیش­بینی وضع هوا است که توسط Google DeepMind توسعه یافته است و از روش­های پیشرفته یادگیری ماشین، به ویژه شبکه­های عصبی گرافیکی موسوم به (GNNs)، برای تولید پیش­بینی های وضع هوا بسیار دقیق و کارآمد تا 10 روز آینده استفاده می­کند.

مدیر گروه پژوهشی مدل سازی جو و اقیانوسی پژوهشگاه هواشناسی و علوم جو کشور گفت: بر خلاف مدل­های رایج پیش­بینی هواشناسی،GraphCast  به معادلات فیزیکی پیچیده برای شبیه ­سازی جو متکی نیست و با استفاده از داده ­های تاریخی جو برای شناسایی الگوها و روابط بین متغیرها آموزش می­بینید.

مجید آزادی ادامه داد: GraphCast توسط چندین سازمان هواشناسی در سراسر جهان مورد استفاده آزمایشی قرار گرفته است، از جمله مرکز اروپایی پیش­بینی ­های میان مدت وضع هوا موسوم به ECMWF که در حال حاضر یک آزمایش زنده را در وب سایت خود ارایه میکند تا قابلیت­ های GraphCast را نشان دهد و بازخورد کاربران را جمع­آوری کند.

عضو هیات علمی پژوهشگاه هواشناسی و علوم جو کشور افزود: هدف این آزمایش، ارزیابی عملکرد GraphCast  و مقایسه آن با مدل ­های متداول پیش­بینی وضع هوا است.

وی ادامه داد: بازخورد کاربران و نتایج این آزمایش، در بهبود و توسعه بیشتر GraphCast نقش مهمی ایفا خواهد کرد.

مدیر گروه پژوهشی مدل سازی جو و اقیانوسی پژوهشگاه هواشناسی و علوم جو کشور در خصوص پذیرش این نوع گراف توسط سازمان های هواشناسی گفت: پذیرش گسترده GraphCast توسط سازمان های هواشناسی، نشان دهنده پتانسیل انقلابی این الگوریتم در پیش­بینی وضع هوا است.

مجید آزادی در پایان پیرامون مزایای استفاده از این نوع گراف ها خاطر نشان کرد: قابلیت این نوع گراف ها در تولید پیش­بینی­ های دقیق و به موقع برای پدیده­ های پیچیده جوی، می­تواند به بهبود ایمنی عمومی، کاهش خسارات ناشی از بلایای طبیعی و بهینه ­سازی تخصیص منابع کمک شایانی کند.

شایان ذکر است، در نهایت این نشست علمی و پژوهشی با جلسه پرسش و پاسخ از جانب شرکت کنندگان حضوری و برخط به کار خود خاتمه داد.