Microsoft heeft een opensourcetool voor machine learning aangekondigd die systematische fouten in bestaande weermodellen corrigeert. Met de methode, Probabilistic Bias Correction (PBC) genoemd, kunnen instanties betrouwbaardere verwachtingen maken voor twee tot zes weken vooruit. De tool werkt op gewone CPU’s en heeft geen supercomputer of krachtige GPU nodig.
Hoe PBC weersverwachtingen verbetert
PBC leert welke vertekening een weermodel doorgaans heeft — bijvoorbeeld de neiging om lagere temperaturen te voorspellen doordat het model is getraind met oudere klimaatgegevens — en past de uitkomst daarop aan. In tests verhoogde de methode de nauwkeurigheid van het natuurkundig gebaseerde model van het European Centre for Medium-Range Weather Forecasts (ECMWF) voor 98 % van de neerslagdoelen en 92 % van de temperatuurdoelen. Ook verdubbelde PBC de nauwkeurigheid van het nieuwere AI-weersysteem van ECMF.
Waarom dit belangrijk is
De software is licht en gratis, waardoor kleinere weerdiensten, vooral in ontwikkelingsregio’s, deze zonder dure hardware kunnen gebruiken. Betere weersverwachtingen voor de middellange termijn geven boeren meer tijd om hun gewassen te beschermen en helpen hulpdiensten zich voor te bereiden op extreem weer.
Waarom het ertoe doet
Voor gewone mensen kunnen nauwkeurigere weersverwachtingen voor twee tot zes weken vooruit leiden tot eerdere waarschuwingen voor stormen of droogte. Boeren en lokale bestuurders krijgen zo meer kans om in actie te komen. Doordat de tool goedkoop en opensource is, kan die ook regio’s bereiken die eerder niet genoeg rekenkracht hadden voor geavanceerde weermodellen.
