Та ж сама технологія, яку застосовують в камерах спостереження, може успішно передбачити складні для звичайної оцінки параметри грози — ймовірність граду та величину окремих градин.
Замість того щоб вишукувати характерні риси обличчя, вчені з Національного центру атмосферних досліджень США задіяли нейронну мережу для розпізнавати ознак гроз, які впливають на утворення граду та передбачати величину градин. Обидва цих параметри вкрай складно прогнозувати звичайними методами. Отриманий результат підкреслює важливість розгляду всієї структури грози.
«Ми знаємо, що структура бурі впливає на утворення граду. У суперосередку з більшою ймовірністю утворюється град, ніж в грозовому фронті», сказав Девід Джон Ганье, керівник проекту.
На утворення граду під час грози впливає тисяча метеорологічних факторів: певна вологість повітря, температура, характерні висхідні потоки, зміна напрямку та швидкості вітру. Але навіть якщо всі ці критерії присутні, розмір градин може істотно варіюватися залежно від подоланого ними шляху в грозі та інших умов. На цьому етапі в гру вступає структура бурі.
Сучасні комп'ютерні методи не спроможні створити математичну модель всіх фізичних характеристик грози — це занадто складно. Машинне навчання дозволяє обійти потреби в моделі.
Нейромережа обробляє величезну кількість даних, шукає в них закономірності та вчиться виділяти важливі для утворення граду характеристики бурі.
Цього разу вчені звернулися до нейромережі для аналізу візуальних даних. Вони навчили модель на зображеннях змодельованих бур і інформації про температуру, тиск, швидкість та напрям вітру. Нейромережа виділила риси, що корелюють з розміром градин та навчилася робити успішні прогнози.
Тепер розробники збираються протестувати модель в реальних умовах, щоб потім почати її практичне застосування в метеорології.
