Нейросеть обучали на данных о том, в каких типах облаков и при каких метеорологических условиях возникают подобные разряды по методике градиентного бустинга. Методика строится на системе относительно неточных предсказательных нейросетей, которые учатся на ошибках своих предшественников.
Затем в нейросеть загрузили данные с нескольких десятков метеостанций — на их основе ИИ научился прогнозировать молнии по характерным изменениям в температуре, влажности и давлении воздуха, а также по другим погодным данным. Точность прогнозов пока невысока и составляет 76%.
Уже существующие системы предсказания молний работают очень медленно, им нужны специализированные источники данных, такие как радары или спутники. Наша методика использует информацию, которую может собирать любая метеостанция. Это означает, что мы можем готовить прогнозы даже для самых удаленных уголков Земли.
Амирхоссейн Мостаджаби, ведущий автор исследования
Ранее исследователи из США использовали машинное обучение, чтобы разобраться в физике землетрясений и выявить признаки надвигающихся природных явлений. После успешного прогнозирования лабораторных землетрясений группа геофизиков применила алгоритм машинного обучения на северо-западе Тихого океана.