Name: Neural Generative Weather Forecasting

Abstract:

Description: <p>In den vergangenen Jahrzehnten haben Meteorolog*innen Wettervorhersage-Systeme kontinuierlich verbessert. Dadurch sind diese Systeme aber auch immer komplexer geworden. Komplexe Systeme, wie das Modell des &bdquo;Consortium for Small Scale Modeling&ldquo; (COSMO), beziehen Einfl&uuml;sse wie lokale topographische, Boden- und Vegetationseigenschaften mit ein. Trotz dieser Fortschritte bleiben die Daten aufgrund von r&auml;umlichen und zeitlichen Unterschieden sowie Wechselwirkungen und Einfl&uuml;ssen, die entweder nicht beobachtet werden k&ouml;nnen oder nicht ber&uuml;cksichtigt werden, approximativ, d.h. es sind ungef&auml;hre Angaben. Mit der &bdquo;Distributed, Spatio-Temporal Graph Artificial Neural Network Architecture&ldquo; (DISTANA) haben Professor Martin Butz und seine Neuro-Cognitive Modeling Group im Fachbereich Informatik der Universit&auml;t T&uuml;bingen nun einen neuen Ansatz entwickelt, der herk&ouml;mmliche Vorhersagesysteme entweder erg&auml;nzt oder als Alternative dazu dienen kann.</p> <p>DISTANA wendet induktive Lernverfahren an, die universelle Prinzipien der Wetterdynamik umsetzen. Dies erfolgt unter der Ber&uuml;cksichtigung von zwei Prinzipien: Erstens, dass die Systemdynamik durch nur teilweise beobachtbare oder sogar vollst&auml;ndig unbekannte, aber universell g&uuml;ltige lokale Faktoren beeinflusst werden kann, und zweitens, dass die Ausbreitung der Wetterdynamik &uuml;ber den Raum auf lokale Nachbarschaften beschr&auml;nkt ist, wenn die zeitlichen Intervalle ausreichend klein sind.</p> <p>Im Laufe des Projekts werden die Forschenden sowohl kombinierte Wettervorhersage-Datens&auml;tze als Benchmarks entwickeln als auch DISTANA weiterentwickeln. Sie erwarten, dass DISTANA den aktuellen Stand der Technik bei der Wettervorhersage &uuml;bertrifft, da es in der Lage sein wird, auch unbekannte Faktoren zu ber&uuml;cksichtigen. Einmal erfolgreich trainiert, k&ouml;nnte DISTANA f&uuml;r die Wettervorhersage auf verschiedenen r&auml;umlichen und zeitlichen Skalen n&uuml;tzlich sein und m&ouml;glicherweise bessere Vorhersagen von extremen Wetterereignissen erm&ouml;glichen. Dies w&uuml;rde es wiederum erm&ouml;glichen, entsprechende Pr&auml;ventivma&szlig;nahmen zu ergreifen. Dar&uuml;ber hinaus kann das Prinzip von DISTANA auch in anderen Bereichen angewandt werden, z. B. bei der Vorhersage von Wasserstr&ouml;mungen, bei der Erosionsmodellierung oder bei der Leistungsvorhersage f&uuml;r Windkraftanlagen. Langfristig k&ouml;nnte diese Forschung dazu beitragen, Ma&szlig;nahmen zu ergreifen, die darauf abzielen, die negativen Auswirkungen des Klimawandels abzumildern.</p>

Image:

Image caption:

Link:

Meta keywords: Martin Butz

Meta description:

Hidden: false

Slug: neural-generative-weather-forecasting

Edit | Back