La IA se utiliza para mejorar la precisión y precisión de los pronósticos del tiempo, para ayudar a los agricultores y el sector de las energías renovables y para estimular algunas actividades de fusión y adquisición. (NOAA en Unsplash)

Por el personal de AI Trends

Los modelos tradicionales de pronóstico del tiempo se basan en mediciones estadísticas basadas en datos recopilados de satélites del espacio profundo, como el Observatorio Climático del Espacio Profundo de la NOAA, globos meteorológicos, sistemas de radar y, a veces, de sensores basados ​​en IoT. Hoy, la IA juega un papel en el pronóstico del tiempo, utilizando el aprendizaje automático para procesar datos más complejos en menos tiempo, con la esperanza de mejorar la precisión.

Por ejemplo el Pronóstico del tiempo numérico (NWP) del sitio de NOAA ofrece una gama de conjuntos de datos para uso de los investigadores, desde datos de temperatura y precipitación hasta alturas de olas, según un informe reciente en Perspectiva analítica. El sitio ofrece conjuntos de datos completos que se pasan a través de satélites meteorológicos, estaciones de retransmisión y radios para ayudar a entregar pronósticos climáticos a corto o largo plazo.

Además del aprendizaje automático, otras técnicas de pronóstico del tiempo de IA incluyen redes neuronales artificiales, redes neuronales conjuntas, redes de retropropagación, redes básicas de función radial, redes neuronales de regresión general, algoritmos genéticos, perceptrones multicapa y agrupamiento débil.

La compañía meteorológica de IBM busca transformar el pronóstico del tiempo

El pronóstico del tiempo es un gran negocio. Con un historial de uso de computadoras para mejorar los pronósticos del tiempo, IBM adquirió The Weather Company y todas sus propiedades en 2016, incluido weather.com. IBM planea utilizar los datos climáticos completos de Weather Company con las capacidades cognitivas avanzadas de IBM Watson y la plataforma Cloud para transformar los pronósticos del tiempo.

A fines del año pasado, IBM anunció IBM GRAF, el Sistema de pronóstico atmosférico global de alta resolución, según un Comunicado de prensa de IBM, para predecir condiciones con hasta 12 horas de anticipación con un detalle y una frecuencia que anteriormente no estaban disponibles.

Los modelos meteorológicos globales actuales cubren 10-15 kilómetros cuadrados (6.2-9.3 millas) y se actualizan cada 6-12 horas. En contraste, IBM GRAF predice hasta 3 kilómetros (1.9 millas) y se actualiza cada hora, dijo IBM.

The Weather Company se asoció con el Centro Nacional de Investigación Atmosférica (NCAR) para crear IBM GRAF basado en el modelo global de código abierto de próxima generación de NCAR, el Modelo de predicción a través de escalas (MPAS). Ese modelo utiliza la ciencia más moderna para predecir la atmósfera a escala global ante tormentas eléctricas.

El nuevo sistema IBM GRAF se ejecuta en una supercomputadora basada en IBM POWER9 optimizada para CPU y GPU (unidades de procesamiento de gráficos). The Weather Company e IBM, junto con NCAR, el Departamento de Ingeniería Eléctrica e Informática de la Universidad de Wyoming y otros, aplicaron las directrices de OpenACC a MPAS para aprovechar las GPU NVIDIA V100 Tensor Core en un servidor IBM Power Systems AC922.

IBM afirma que este es el primer modelo meteorológico global del mundo que se ejecuta en una arquitectura informática de alto rendimiento basada en GPU. La esperanza es permitir a los clientes tomar decisiones más informadas y relacionadas con el clima.

La Herramienta de predicción de Google intenta predecir la lluvia con seis horas de anticipación

Google ha desarrollado una herramienta de pronóstico del tiempo que utiliza técnicas de IA para hacer pronósticos precisos de lluvia seis horas antes de la lluvia. La herramienta se basa en la red neuronal convolucional U-Net (CNN) (desarrollada para la segmentación de imágenes biomédicas en el Departamento de Informática de la Universidad de Friburgo, Alemania), una serie de capas de operaciones matemáticas dispuestas en una fase de codificación. Toma imágenes de entrada de los satélites y las convierte en imágenes de salida en una serie de pasos que proporcionan una resolución más alta.

En su equipo trabajo de investigación, ML para precipitación Nowcasting de imágenes de radarJason Hickey, ingeniero de software sénior de Google Research, afirma: «Si se necesitan 6 horas para calcular un pronóstico, solo se permiten 3-4 ejecuciones por día y esto da como resultado pronósticos basados ​​en más de 6 horas de datos antiguos, lo que significa que nuestro conocimiento de lo limitado está sucediendo ahora ”. Esta herramienta de Google propuesta por UNET superaría a las alternativas.

En sus conclusiones, los investigadores dijeron: «Sigue habiendo una pregunta abierta sobre si los enfoques basados ​​en datos puros para el aprendizaje automático pueden superar los métodos numéricos tradicionales, o tal vez las mejores predicciones tendrán que provenir de una combinación de ambos enfoques».

Corporación Climática, una subsidiaria de Bayer (anteriormente una división de Monsanto, que fue adquirida por Bayer en 2018) utiliza imágenes satelitales y datos meteorológicos hiperlocales con aprendizaje automático. Las plataformas de agricultura digital FieldView de la compañía están diseñadas para proporcionar a los agricultores conectividad avanzada y fácil acceso a datos agronómicos generados por máquina.

Dr. Mike Stern, CEO de The Climate Corporation, una división de Bayer

Recientemente, la compañía llegó a un acuerdo con CLAAS, el fabricante alemán de maquinaria agrícola, para proporcionar a los clientes de CLAAS Telematics acceso a datos meteorológicos generados por máquinas en FieldView.

“Los agricultores han estado recopilando datos de su maquinaria agrícola durante décadas. Lo mismo ocurre con los datos del clima, los datos del suelo, los datos de rendimiento de los cultivos, la lista continúa «, dijo Mike Stern, CEO de The Climate Corporation en un presione soltar. «Estos conjuntos de datos se vuelven aún más valiosos para nuestros clientes cuando se pueden combinar con las herramientas avanzadas de inteligencia artificial que estamos desarrollando para aumentar la rentabilidad y reducir los riesgos en sus granjas».

La industria de energía renovable invierte en AI Weather Startup

El pronóstico del tiempo también demuestra ser valioso en el sector de las energías renovables. La reciente adquisición de AI y el inicio de aprendizaje automático Climate Connect of India por la compañía de energía brillante ReNew Power, la compañía de energía renovable más grande de la India, es un testimonio de la tendencia.

Sumant Sinha, presidente y gerente general, ReNew Power

ReNew Power planea operar Climate Connect como una subsidiaria independiente que continúa desarrollando software y sus operaciones. «La primera ola de crecimiento en el sector de las energías renovables provino de la adición de activos físicos al suelo», dijo Sumant Sinha, actual presidente y director ejecutivo de ReNew Power, según se informó en una cuenta de CNBC. «La próxima ola vendrá del desarrollo de productos digitales que ayudan a optimizar el flujo de los generadores a las empresas de distribución a los clientes».

Nitin Tanwar, CEO y cofundador de Climate Connect, dijo: «Creemos que la adquisición por parte de ReNew Power nos ayudará a crear valor a largo plazo para nuestras compañías de distribución existentes y clientes IPP y nos proporcionará la escala necesaria para siguiente tramo de nuestro viaje «.

Lea los artículos fuente de Perspectiva analítica, un comunicado de prensa de IBM en GRAF, un Google trabajo de investigación, ML para precipitación Nowcasting de imágenes de radar, una presione soltar de Climate Corp./Bayer, y un informe de CNBC.



Source link