急変する天候の地域を正確に特定する人工知能は、より正確な天気予報につながる可能性があります。
天候は、一部の地理的地域では他の地域よりもはるかに速く、激しく変化します。そのため、現在の天気予測モデルは、動作が遅く、非効率的になる可能性があります。
新たな研究では、研究者らが自然選択に基づくAIモデルを用いて、米国本土のうち気温の変化が予測しにくく変動の大きい地域を特定しました。これにより、計算資源をそれらの地域に集中させることができます。
その結果得られた気温予測アルゴリズムは、現行モデルと同等かそれを上回る性能を示しながら、必要な計算能力は少なくて済みました。
短期的な天気予報の改善
ペンシルベニア州立大学で地理学、気象学、大気科学の教授を務め、Institute for CyberScienceの副所長でもあるGuido Cervone氏は、この研究が気象学で最も難しい問題の一つである、より正確な短期予報の開発に向けた解決策につながる可能性があると述べています。
「私たちの手法は、利用可能な計算資源を予測が困難な地域に集中させるのに役立ちます。それにより、より正確な短期予報を生み出すことにつながるはずです」とCervone氏は述べています。「数値天気予報は、最も計算負荷の高い問題の一つであり、社会における其の利用範囲は広範に及びます。」
地理学の博士課程学生であるWeiming Hu氏によると、現在の気象図は、米国内で約20万個の格子点からなる単純なメッシュに分割されています。気象予報士がコンピュータを使って各地域の気象パターンを分析する際、計算能力はこれらの格子点に均等に配分されますが、各格子点は直径約11キロメートル［7マイル］の範囲を表しています。常識的に聞こえるかもしれませんが、Hu氏は、この地図は気象予測における計算上の実情を反映していないと述べています。地形、標高、水域への近接性、その他無数の要因が気象パターンを乱し、特定の地域をはるかに予測しにくくしているのです。
「例えばアイオワ州を考えてみてください。そこは、他の場所と比べて、数十キロメートルにわたって気象の状態が大きく変化することがほとんどありません。地形が比較的単純で、非常に簡単な補間、つまり推定を用いて、この場合では将来の気温がどうなるかについて、有用な見当をつけることができるからです」とHu氏は述べています。
「しかし、ロッキー山脈では、平地から山の頂上まで、わずか数キロメートルで到達でき、気象の状態を予測しようとする際には、それによって状況が大きく変わります。私たちが取り組みたいのは、特定の地域について、より高い解像度や、より正確な気象予測が必要となる、より重要あるいはより注目すべき地域をどのように見極めるか、ということです。」
遺伝的アルゴリズムの活用
研究者らは遺伝的アルゴリズムを用いて、より柔軟なメッシュを作成し、複雑で急速に変化する気象パターンのある格子に計算分析を集中させました。気象が安定している米国の他の地域では、メッシュを広げることができます。
Hu氏によると、遺伝的アルゴリズムのプログラムは、生物の進化に大まかに基づいた機械学習モデルです。生物の進化では、ある環境に生息を試みた数千の個体のうち、生き残るのはごく一部です。同様に、遺伝的プログラミングでは、数百から数千の潜在的な解決策が検証され、今回の場合では、より細かいメッシュ格子が必要な地点など、優れたものが選び出されます。
Hu氏はさらに、遺伝的アルゴリズムは完璧な解決策ではなく、良好な解決策を提供するように設計されていると付け加えています。
「遺伝的アルゴリズムは最善の解決策を保証するものではありませんが、より良い解決策をより速く見つけることを保証します」とHu氏は述べています。「気温変化を予測するような場合、究極の解決策を見つけることにはこだわらなくてもよいかもしれません。例えば、29.56度と29.55度の違いにすぎないかもしれません。一般の人にとっては、おそらくそれほど重要ではないでしょう。」
今回の研究は気温変化に特化したものでしたが、Hu氏は、将来的には研究者が降水量や雲量など、他の気象条件でもこのモデルを検証できる可能性があると述べています。
研究結果は、Journal of Computers and Geosciencesに掲載されています。本研究は米国国立科学財団の支援を受けました。
