Microsoft har presenterat ett maskininlärningsverktyg med öppen källkod som korrigerar systematiska fel i befintliga vädermodeller. Metoden, som kallas Probabilistic Bias Correction (PBC), gör det möjligt för myndigheter att ta fram mer tillförlitliga prognoser två till sex veckor framåt. Den kan köras på vanliga processorer, utan superdatorer eller avancerade grafikprocessorer.
Så förbättrar PBC prognoserna
PBC lär sig vilka systematiska fel en vädermodell brukar ha – till exempel att den tenderar att förutsäga lägre temperaturer eftersom den tränats på äldre klimatdata – och justerar sedan resultatet. I tester ökade metoden träffsäkerheten i den fysikbaserade modellen från European Centre for Medium-Range Weather Forecasts (ECMWF) för 98 % av nederbördsmålen och 92 % av temperaturmålen. Den fördubblade också träffsäkerheten i ECMF:s nyare AI-prognossystem.
Därför spelar det roll
Eftersom programvaran är lätt och gratis kan mindre vädertjänster, särskilt i utvecklingsregioner, använda den utan dyr utrustning. Bättre medellånga prognoser ger bönder mer tid att skydda grödor och hjälper räddningstjänster att förbereda sig för extremväder.
Varför det spelar roll
För vanliga människor kan träffsäkrare prognoser två till sex veckor i förväg innebära tidigare varningar om stormar eller torka, vilket ger bönder och lokala myndigheter bättre möjligheter att agera. Eftersom verktyget är gratis och har öppen källkod kan det nå regioner som tidigare saknat beräkningskapacitet för avancerade vädermodeller.
