Teknologi dan inovasi

AI meningkatkan prakiraan badai tanpa superkomputer

Alat AI yang dikembangkan di Universitas São Paulo, Brasil, berhasil meningkatkan prakiraan badai jangka pendek dalam pengujian, dengan mengurangi peringatan keliru hampir 70% dibandingkan metode tradisional. Alat bernama TITAN-LSTM ini memprediksi jalur badai, luas wilayah yang diguyur hujan, dan intensitas hujan hingga 30 menit ke depan, dengan pembaruan setiap lima menit.

Alat ini memadukan perangkat lunak pelacakan radar yang sudah mapan dengan AI yang mempelajari perubahan badai dari waktu ke waktu. Alih-alih memproses seluruh citra radar, alat ini menggunakan deskripsi numerik setiap badai, seperti ukuran, kecepatan, dan intensitas hujannya. Beban komputasi yang lebih ringan ini membuatnya dapat dijalankan pada laptop biasa.

Peneliti menggunakan pengamatan radar yang dikumpulkan di dekat São Paulo antara 2016 dan 2019. Dari lebih dari 32.000 badai yang dilacak, mereka memilih 439 badai yang seluruh perkembangannya dapat diikuti, menggunakan 307 untuk melatih AI dan memisahkan 132 lainnya untuk pengujian. Temuan ini dipublikasikan dalam Journal of Geophysical Research: Machine Learning and Computation.

Ada keterbatasan penting: saat ini alat tersebut hanya menangani badai yang tidak bergabung dengan badai lain maupun terpecah, dan ketidakpastian meningkat semakin jauh rentang prakiraannya. Tim kini berupaya menangani badai yang lebih kompleks dan berharap dapat menyesuaikan sistem ini dengan radar lain, dengan tujuan menyediakan prakiraan bagi lembaga yang bertanggung jawab atas peringatan bencana.

Sumber

  1. TerraNova ferramenta de IA prevê rota e intensidade de tempestades em curtíssimo prazo
  2. GalileuNova ferramenta de IA prevê rota e intensidade de tempestades a cada 5 minutos

Catatan peliputan

Asal informasi ini

Agência FAPESP

Terra mencantumkan laporan sebagai “José Tadeu Arantes | Agência FAPESP,” sementara Galileu menggunakan “Oleh José Tadeu Arantes, dari Agência FAPESP.” Keduanya memuat kutipan peneliti, angka validasi, dan keterbatasan metodologis yang sama, sehingga menunjukkan satu laporan sumber yang sama.