AI-model geeft nieuwe slinger aan kwaliteit weerverwachting

Foto boven: Een kaart van het ECMWF-model - Wetterzentrale.de

Het verwachten van het weer is in de moderne geschiedenis steeds beter geworden, een ontwikkeling die elke keer weer met sprongen gepaard is gegaan. Een nieuwe kwaliteitssprong is mogelijk aanstaande, nu AI-modellen beter en beter presteren.

Advertentie

Het feit dat het door Google Deepmind ontwikkelde AI-model GenCast het door de internationale weergemeenschap als beste aangeslagen ECMWF-model gedurende de eerste 15 dagen van de verwachting in vrijwel alle opzichten verslaat, spreekt boekdelen. GenCast is, zo blijkt uit een onderzoek, in 97 procent van de gevallen beter. In de eerste 3 tot 5 dagen van de verwachting wordt soms een kwaliteitsverbetering van tussen 10 en 30 procent gezien. Volgens de onderzoekers is dit niets minder dan een grote doorbraak.

Een kaart van het ECMWF-model - Wetterzentrale.de

AI-modellen kiezen voor een andere aanpak

Daar waar de traditionele weermodellen leunen op waarnemingen van het actuele weer, die voor ontelbare roosterpunten, verspreid over de aarde en voor allerlei hoogten in de atmosfeer, in de tijd worden doorgerekend, kiezen AI-modellen voor een andere aanpak. Ze zoeken voor het weer van nu vergelijkbare situaties uit het verleden en kijken wat er daarna is gebeurd.

Voordeel van AI-modellen is dat de complexe wiskundige berekeningen, die de huidige op natuurkunde gebaseerde weermodellen moeten uitvoeren, achterwege kunnen blijven. Daar waar een traditioneel weermodel veel tijd, rekenkracht en energie nodig heeft om tot zijn verwachting te komen, gaat een AI-model zeer efficiënt te werk.

Je krijgt beter beeld van de betrouwbaarheid

Het heeft aan een fractie van de rekenkracht, energie en tijd genoeg om zijn werk te doen. Dit biedt de mogelijkheid om de berekening vaak te herhalen, waarmee je op een eenvoudige manier een beeld krijgt van de betrouwbaarheid, de marges waarbinnen de verwachting zich in de toekomst beweegt en de kans dat bepaalde scenario’s uitkomen. Nu al rekent GenCast met tientallen versies tegelijkertijd. En dat in een fractie van de tijd die het ECMWF-model nodig heeft. Heeft dat meerdere uren nodig, GenCast is na 10 minuten al klaar.

De onderzoekers – bij het ECWMF waar het model draait – hebben GenCast van Google getraind met 40 jaar aan weerdata, tot en met het jaar 2018. Daarna vergeleken ze het AI-model met het ECMWF-model gedurende geheel 2019, voor meer dan 1300 combinaties van parameters, zoals temperatuur, wind en neerslag. Binnen de verwachtingsperiode van 15 dagen vooruit bleek GenCast in 97 procent van de gevallen beter. Ook was het zo dat bepaalde vormen van extreem weer in het AI-model beter naar boven kwamen dan in het ECMWF-model. Daarbij ging het onder meer om extreme neerslag en het verwachten van extreem hoge temperaturen.

Niet helemaal perfect

Toch is ook GenCast niet helemaal perfect. Zo weet het model dus niets van natuurkunde. Daardoor kan het lastig zijn om de toekomstige extremen, die in het verleden nog niet zijn opgetreden maar vanwege klimaatverandering wel op de loer liggen, goed te verwachten. Toch zijn de onderzoekers ook wat dit betreft vol vertrouwen. Het eerste vergelijkingsjaar heeft immers laten zien dat GenCast met extreem weer goed uit de voeten kan. Wel is het zo dat AI-modellen nog verder vooruit in de tijd soms met op aarde onmogelijke scenario’s komen.

De grootste uitdaging voor AI-modellen is, en dat geldt ook voor de traditionele modellen, het berekenen van de kracht van tropische cyclonen. Dat blijkt heel moeilijk te zijn. Voor wat de verwachte koers van de orkanen betreft, zat het in GenCast wel goed, beter zelfs dan het traditionele model. Het verwachten van de kracht ervan bleek een brug te ver.

Een volgende sprong in kwaliteit

Intussen is de onderzoeksgemeenschap ervan overtuigd dat AI-modellen een volgende slinger aan de kwaliteit van de weerverwachting zullen gaan geven. Dat is goed nieuws in een wereld waarin het weer zich – door de voortschrijdende klimaatverandering – grilliger en extremer gedraagt. En waarin wij als mensen ook weer steeds afhankelijker worden van het weer.