Naujas dirbtinio intelekto modelis „WeatherNext Cyclones“ leidžia numatyti atogrąžų ciklonų trajektorijas iki 15 dienų į priekį. Tikslesnė ir ankstyvesnė informacija suteikia civilinės saugos tarnyboms bei infrastruktūros valdytojams papildomo laiko pasirengti niokojančioms stichijoms.

700 000 aukų kaina

Atogrąžų ciklonai – priklausomai nuo regiono vadinami uraganais arba taifūnais – išlieka vieni pavojingiausių gamtos reiškinių. Per pastaruosius 50 metų šios audros pasaulyje nusinešė daugiau nei 700 000 gyvybių ir padarė apie 1,4 trilijono JAV dolerių ekonominių nuostolių. Tokie mastai skatina meteorologijos centrus ieškoti skaičiavimo metodų, kurie leistų gyventojus bei infrastruktūros valdytojus perspėti gerokai anksčiau.

Įprasti skaitmeniniai orų prognozavimo modeliai susiduria su skaičiavimo ribotumu, kai reikia vienu metu įvertinti globalią atmosferos cirkuliaciją ir itin lokalius, staigiai kintančius audros centro parametrus. Dėl to ankstyvieji perspėjimai kartais praranda tikslumą, o evakuacijos planai ar laivybos maršrutų keitimas pradedami vėluojant.

Kuriant naująjį algoritmą, „WeatherNext Cyclones“ gebėjimai buvo tikrinami analizuojant 2023–2024 metų ciklonus. Deterministiniai ir tikimybiniai modelio rezultatai lyginti su kitomis pažangiausiomis prognozavimo sistemomis, vertinant gebėjimą nuosekliai numatyti tiek stambaus masto orų dėsningumus, tiek konkrečių audrų judėjimo kryptis.

Praktinis krikštas Atlanto vandenyne

Metodas pasiteisino praktikoje. Algoritmas sėkmingai prognozavo tolimas atmosferos sąlygas per uraganą „Milton“ 2024 metų spalį, o per 2025 metų uraganų sezoną ši technologija padėjo JAV Nacionaliniam uraganų centrui (National Hurricane Center, NHC) parengti istorinę uragano „Melissa“ prognozę. Modelis iš anksto numatė staigų šios audros sustiprėjimą ir jos smūgį Jamaikai.

Kai prognozavimo laikas pailgėja visa para ar keliomis dienomis, o intensyvumo šuoliai numatomi tiksliau, pagalbos tarnybos ir verslas įgyja lemiamą pranašumą planuojant veiksmus:

* Ankstyvesnis gyventojų evakuacijos ir perspėjimo sistemų aktyvavimas pakrančių zonose.

* Laivybos bei krovinių gabenimo maršrutų koregavimas likus kelioms savaitėms iki audros smūgio.

* Energetikos ir uostų infrastruktūros paruošimas ekstremaliems vėjo gūsiams bei potvyniams.

Algoritmų patikimumas skirtinguose vandenynuose

Modelių integravimas į kasdienę operatyvinę meteorologų veiklą reikalauja nuoseklaus patikimumo vertinimo visuose Žemės regionuose. Skirtingi vandenynų baseinai pasižymi specifinėmis hidrologinėmis ir klimato sąlygomis, todėl algoritmo stabilumas reaguojant į retus ar anomalios elgsenos ciklonus išlieka svarbiausia būsimų stebėjimų užduotimi.

Prognozių kokybę ateityje lems tai, kaip sėkmingai dirbtinio intelekto algoritmai bus suderinti su fizikiniais stebėjimų tinklais ir ar šie skaičiavimo metodai išlaikys patikimumą pasikartojančių ekstremalių sezonų metu.

Šaltiniai

  1. [1] [arXiv | 2026-09-07] Probing dark energy dynamics through a new CPL-type $Om(z)$ parametrization in FLRW Universe
  2. [2] [arXiv | 2026-09-07] Stability analysis of de Sitter solution in the Starobinsky-Grisaru-Zanon gravity using the dynamical system method
  3. [3] [Nature.com | 2026-09-07] Tropical cyclones could be predicted with an extra day’s warning, thanks to an AI model
  4. [4] [X.com] For an upcoming story, we are looking into the behaviors, values and goals that drive Gen Z investing decisions. If you’