La IA al rescate de los pronósticos del tiempo
Investigadores de la Universidad de Connecticut (UConn) están utilizando modelos de Inteligencia Artificial (IA) para mejorar la precisión de los pronósticos meteorológicos, especialmente en lo que respecta a eventos climáticos extremos. Esta iniciativa, en colaboración con Eversource, el principal proveedor de energía del estado, busca anticipar el impacto de estos eventos en los sistemas energéticos y los entornos acuáticos.
Israt Jahan, estudiante de doctorado en ingeniería ambiental, trabaja junto a la Dra. Marina Astitha en este proyecto. Su investigación se centra en perfeccionar la predicción de las ráfagas de viento mediante el aprendizaje automático (ML) y el aprendizaje profundo (DL), integrados en un modelo de IA.
¿Cómo funciona el modelo de IA?
Según Jahan, el modelo híbrido integra enfoques de ML y DL con datos de predicción numérica del tiempo (NWP) basados en la física. Esto permite mejorar la precisión y la fiabilidad de las predicciones. Además, se aplican técnicas de IA explicables para identificar los factores que impulsan las predicciones del modelo y las incertidumbres, lo que facilita la interpretación y la transparencia.
Actualmente, Jahan está analizando eventos de vientos severos en todo Estados Unidos, tanto en condiciones climáticas históricas como en escenarios de pseudo-calentamiento global, para evaluar cómo podrían evolucionar los peligros de los vientos extremos en un clima que se calienta.
La evolución hacia la IA
Inicialmente, el programa de investigación no contemplaba el uso de la IA. La Dra. Astitha basaba su trabajo en modelos físicos. Sin embargo, la introducción de la IA ha permitido superar desafíos relacionados con la captura de relaciones no lineales e incertidumbres en los modelos basados en la física.
Astitha ha integrado la IA en todas las áreas de su investigación sobre la predicción de fenómenos meteorológicos extremos, demostrando el potencial de esta tecnología para mejorar nuestra comprensión y preparación ante los desafíos del clima.