Amélioration importante des prévisions grâce à l'apport de l'Intelligence Artificielle.

22/07/2024


Prévisions météorologiques avec l'Intelligence Artificielle (IA)

Beaucoup de gens vérifient tous les jours le temps qu'il va faire mais ne se rendent probablement pas toujours compte de la puissance de calcul et des heures de travail des superordinateurs nécessaires pour établir les prévisions météorologiques.

Récemment, l'intelligence artificielle (IA) a également fait son entrée dans le monde des prévisions météorologiques.

Au lieu d'utiliser les lois de la physique, ces types de modèles font des calculs basés sur plus d'un million d'heures de données météorologiques historiques.

Et les premiers résultats sont prometteurs.

Selon un article paru dans la revue scientifique Science (https://www.science.org/content/article/ai-churns-out-lightning-fast-forecasts-good-weather-agencies) , les prévisions météorologiques de l'IA sont désormais, et dans certains cas, aussi bonnes que celles des superordinateurs.

D'énormes quantités de données

Actuellement, les prévisions météorologiques en Europe proviennent principalement de modèles météorologiques traditionnels, tels que ceux de l'institut européen ECMWF, de l'institut allemand ICON et de l'institut américain GFS.

Pour établir des prévisions météorologiques, on commence par observer les conditions météorologiques actuelles à l'aide de satellites, de ballons et radars météorologiques et de stations terrestres et marines .

Ensuite, sur la base de lois physiques et d'équations mathématiques, des superordinateurs calculent l'évolution de cet état initial dans le temps : c'est la prévision météorologique.

En raison des énormes quantités de données et de calculs, ce processus prend beaucoup de temps et consomme beaucoup d'énergie.

Les météorologues analysent ensuite les modèles météorologiques des différents fournisseurs pour établir une prévision. 

Mais et cela nous le savons mieux que quiconque, les modèles météorologiques ne sont jamais parfaits.

Pour chaque modèle, la règle suivante s'applique : si vous commencez à suivre un modèle, vous ne pouvez pas l'adapter sauf si vous corriger vous-même l'output grâce à votre expérience.

Récemment, plusieurs modèles utilisant l'apprentissage automatique, une forme d'IA, ont été lancés.

Sur la base de l'état actuel de l'atmosphère, un modèle d'IA, se basant sur quelques 40 années de données météorologiques historiques, estime à quoi ressemblera l'atmosphère quelques heures plus tard.

Ces prévisions sont ensuite utilisées comme données d'entrée pour l'étape suivante.

Le Centre européen de météorologie (ECMWF) l'expérimente actuellement également avec son modèle AIFS*** , qui est un système de prévision intégré et d'intelligence artificielle . La sortie de ce modèle expérimental AIFS*** est prévue avec des pas de temps de 6 heures jusqu'à 15 jours, initialisés à partir de l'analyse opérationnelle de ECMWF.

OUTPUT IAFS 500 hPa + Surface
OUTPUT IAFS 500 hPa + Surface

Le Centre météorologique américain en fait de même avec son modèle GraphCast Global Forecast System (GraphCastGFS) qui est également un système expérimental mis en place par le National Center for Environmental Prediction (NCEP) pour produire des prévisions globales à moyenne échéance.

OUTPUT GRAPHCAST GFS 500 hPa & Surface
OUTPUT GRAPHCAST GFS 500 hPa & Surface

Les développements évoluent très rapidement car initialement nous pensions que l'IA pouvait réaliser une petite partie d'un modèle météorologique mais il s'avère à ce jour que ce type de modèles permet aussi d'établir des prévisions complètes.

Cette évolution est primordiale !

Historique et efficacité...

Il y a environ six ans, on a commencé à voir les premiers développements.

Il a ensuite fallu attendre 2022 pour voir apparaître les premiers modèles météorologiques d'IA qui se rapprochent des modèles traditionnels en termes de performance.

Cela a considérablement accéléré le rythme de la recherche dans ce domaine.

Par exemple pour les tempêtes tropicales les modèles météorologiques d'IA pourraient être utiles à l'avenir car il semble qu'ils  puissent mieux estimer les positions des tempêtes tropicales à un peu plus long terme.

Les modèles météorologiques d'IA nécessitent également beaucoup moins de puissance de calcul que les modèles traditionnels pour établir des prévisions météorologiques, de sorte que les prévisions sont disponibles beaucoup plus rapidement et que les changements observés dans la trajectoire d'un ouragan peuvent être pris en compte rapidement.

Cela pourrait en fin de compte sauver des vies humaines.

Intuition des situations météorologiques

Modèles météorologiques IA ou pas, les météorologues seront toujours nécessaires, c'est en gros ce à quoi s'attendent tous les acteurs du domaine.

L'IA peut très bien être capable d'alimenter automatiquement un bulletin météorologique mais l'IA ne sait pas ce qui est important à un jour donné où l'accent doit être mis. »

En fin de compte, l'IA est surtout douée pour la reconnaissance des formes.

Les météorologues développent au fil des ans une intuition sur la manière dont les situations météorologiques évoluent. 

Ils sont les seuls capables d'évaluer et de communiquer les risques dans les prévisions.

*** Le modèle expérimental AIFS est employé depuis quelques semaines dans le Multimodèle BMCB 8+ et y intervient pour 25% dans l'output prévisionnel

Weersvoorspellingen met kunstmatige intelligentie (AI)


Veel mensen kijken elke dag naar het weer, maar realiseren zich waarschijnlijk niet altijd hoeveel rekenkracht en supercomputeruren er nodig zijn om weersvoorspellingen te maken.


Onlangs heeft kunstmatige intelligentie (AI ) ook zijn intrede gedaan in de wereld van weersvoorspellingen.


In plaats van de wetten van de natuurkunde te gebruiken, maken dit soort modellen berekeningen op basis van meer dan een miljoen uur historische weergegevens.


En de eerste resultaten zijn veelbelovend.


Volgens een artikel in het wetenschappelijke tijdschrift Science (https://www.science.org/content/article/ai-churns-out-lightning-fast-forecasts-good-weather-agencies) zijn AI-weersvoorspellingen nu in sommige gevallen net zo goed als die van supercomputers.

Enorme hoeveelheden gegevens

Momenteel zijn weersverwachtingen in Europa voornamelijk gebaseerd op traditionele meteorologische modellen, zoals die van het Europese ECMWF-instituut, het Duitse ICON-instituut en het Amerikaanse GFS-instituut.


Weersvoorspellingen beginnen met het observeren van de huidige weersomstandigheden met behulp van satellieten, weerballonnen en radars, en land- en zeestations.


Vervolgens berekenen supercomputers op basis van natuurkundige wetten en wiskundige vergelijkingen hoe deze begintoestand in de loop van de tijd zal veranderen: dit is de weersvoorspelling.


Vanwege de enorme hoeveelheden gegevens en berekeningen duurt dit proces lang en kost het veel energie.
Meteorologen analyseren vervolgens de weermodellen van de verschillende leveranciers om een voorspelling te maken.
Maar we weten als geen ander dat weermodellen nooit perfect zijn.


Voor elk model geldt de volgende regel: als je een model gaat volgen, kun je het niet aanpassen tenzij je de uitvoer zelf corrigeert dankzij je ervaring.


Onlangs zijn er verschillende modellen gelanceerd die gebruik maken vanmachine learning, een vorm van AI.


Op basis van de huidige toestand van de atmosfeer schat een AI-model, met behulp van zo'n 40 jaar historische weergegevens, hoe de atmosfeer er een paar uur later uit zal zien.


Deze voorspellingen worden vervolgens gebruikt als invoergegevens voor de volgende fase.
Het Europees Centrum voor Meteorologie (ECMWF) experimenteert momenteel ook met zijn AIFS*** model, een geïntegreerd systeem voor weersvoorspellingen en kunstmatige intelligentie. 

De uitvoer van dit experimentele AIFS***-model wordt gepland met tijdstappen van 6 uur tot 15 dagen, geïnitialiseerd vanuit de operationele analyse van het ECMWF.

Het Amerikaanse Meteorologisch Centrum doet hetzelfde met zijn GraphCast Global Forecast System (GraphCastGFS) model, dat ook een experimenteel systeem is dat is opgezet door het National Center for Environmental Prediction (NCEP) om wereldwijde voorspellingen voor de middellange termijn te produceren.

De ontwikkelingen gaan erg snel, want in eerste instantie dachten we dat AI een klein deel van een meteorologisch model kon produceren, maar nu blijkt dat dit type model ook gebruikt kan worden om complete voorspellingen te produceren. 


Deze ontwikkeling is cruciaal!

Geschiedenis en effectiviteit...

De eerste ontwikkelingen begonnen zo'n zes jaar geleden.
Toen moesten we wachten tot 2022 om de eerste AI weermodellen te zien die qua prestaties in de buurt kwamen van traditionele modellen.
Dit heeft het onderzoek op dit gebied aanzienlijk versneld.

Voor tropische stormen zouden AI weermodellen in de toekomst bijvoorbeeld nuttig kunnen zijn, omdat ze de posities van tropische stormen over een iets langere periode beter lijken te kunnen inschatten.
 

AI-weermodellen hebben ook veel minder rekenkracht nodig dan traditionele modellen om weersvoorspellingen te maken, zodat voorspellingen veel sneller beschikbaar zijn en er snel rekening kan worden gehouden met waargenomen veranderingen in de baan van een orkaan.
Dit kan uiteindelijk mensenlevens redden.

Intuïtie van weersituaties

AI weermodellen of niet, er zullen nog steeds meteorologen nodig zijn, dat verwacht eigenlijk iedereen in het veld.
AI kan misschien wel automatisch een weerbericht voeden, maarAI weet niet wat belangrijk is op een bepaalde dag waar de focus moet liggen."
Uiteindelijk isAI het beste in patroonherkenning.
Door de jaren heen hebben meteorologen een intuïtie ontwikkeld voor hoe weersituaties zich ontwikkelen.
Zij zijn de enigen die risico's kunnen inschatten en communiceren in voorspellingen.

*** Het experimentele AIFS-model wordt nu een paar weken gebruikt in het BMCB 8+ Multimodel en is goed voor 25% van de voorspellingsoutput.