Kineski naučnici koriste mašinsko učenje za precizno predviđanje leda na Antarktiku
Kineski naučnici su napravili tačna predviđanja u vezi sa antarktičkim morskim ledom za period od decembra 2023. do februara 2024. koristeći metode dubokog učenja, piše Sinhua.
Istraživački tim je koristio neuronsku mrežu konvolucijske dugotrajne memorije (ConvLSTM) da bi napravio model predviđanja antarktičkog morskog leda u sezonskim razmerama.
Njihova prognoza je pokazala da će antarktički morski led ostati blizu istorijskih minimuma u februaru 2024. godine, ali je bilo manje naznaka da će dostići novi rekordno nizak nivo. Predviđena površina morskog leda (SIA) i obim morskog leda (SIE) za februar 2024. bili su 1,441 miliona kvadratnih kilometara odnosno 2,105 miliona kvadratnih kilometara, nešto više od istorijskih minimuma zabeleženih 2023.
Tim, predvođen istraživačima sa Univerziteta Sun Jat-sen i Južnomorske laboratorije za nauku i inženjerstvo Guangdong (Zhuhai), dostavio je svoje rezultate predviđanja u decembru. Rezultati su objavljeni u časopisu Advances in Atmospheric Sciences početkom februara.
Njihovo predviđanje je potom potvrđeno najnovijim satelitskim posmatranjima za februar. Uočene vrednosti SIA i SIE za februar 2024. su 1,510 miliona kvadratnih kilometara odnosno 2,142 miliona kvadratnih kilometara.
Prema istraživačima, poređenje između predviđanja i zapažanja ukazuje na izuzetno blisko usklađivanje. Štaviše, površina i obim morskog leda od decembra do februara spadaju u jednu standardnu devijaciju predviđenih vrednosti, naglašavajući pouzdanost sistema prognoze.
Uspešno poređenje između podataka predviđanja i posmatranja potvrđuje tačnost ConvLSTM modela i njegov potencijal za pouzdano predviđanje antarktičkog morskog leda, rekli su istraživači.
"Naše uspešno predviđanje ne samo da podvlači značaj jačanja istraživanja predviđanja antarktičkog morskog leda, već i pokazuje značajan potencijal primene metoda dubokog učenja u ovoj kritičnoj oblasti", rekao je Jang Ćinghua, profesor Univerziteta Sun Jat-sen.
play_arrow
