> ## Content Index
> Fetch the complete content index at: https://ontraadseld.nl/llms.txt
> Use this file to discover other available public pages before exploring further.

# AI-weermodel voor regenvoorspelling: beter detecteren of beter meten, niet allebei tegelijk
- URL: https://ontraadseld.nl/ai-weermodel-voor-regenvoorspelling-beter-detecteren-of-beter-meten-niet-allebei-tegelijk/
- Published: 2026-09-24T11:07:53.000Z
- Updated: 2026-10-06T13:02:39.000Z
- Author: Ontraadseld
- Tags: klimaat

Je kijkt naar de weersvoorspelling omdat er zware regen wordt verwacht. Komt die stortbui er echt, en hoeveel millimeter regen valt er dan precies? Onderzoekers ontdekten dat een AI-weermodel voor de regio rond Peking op dit moment niet in beide tegelijk heel goed kan zijn.

Weersvoorspellingen worden steeds vaker gemaakt met AI-modellen in plaats van met traditionele rekenmodellen. Een voorbeeld is Aurora, een AI-model dat getraind is op grote hoeveelheden weerdata. Zulke modellen kun je nog verder "bijslijpen" voor een specifieke taak, bijvoorbeeld het voorspellen van zware regenval in een bepaalde regio. Dat bijslijpen heet in dit onderzoek LoRA-aanpassing, een techniek waarbij je een bestaand AI-model met een kleine extra training gevoeliger maakt voor iets specifieks, zonder het hele model opnieuw te trainen.

Een onderzoeksteam testte dit voor de regio Peking-Tianjin-Hebei in Noord-China, een gebied dat gevoelig is voor zware regenval. Ze trainden het model op regendata uit 2020 en 2021 en testten het vervolgens op 17 momenten in 2023\. Het AI-model werd gekoppeld aan WRF, een gangbaar weersimulatiemodel, en vergeleken met een traditionele voorspelling (GFS) als controle.

De onderzoekers maten twee dingen: hoe goed het model zware regen (minstens 50 millimeter in 24 uur) herkent, en hoe nauwkeurig het de exacte hoeveelheid neerslag voorspelt. Voor de herkenning gebruikten ze een score die aangeeft hoe vaak een voorspelde stortbui ook echt plaatsvindt, de CSI-score. Hoe hoger, hoe beter.

Het onaangepaste AI-model scoorde hier het beste: 0,216 op de CSI-schaal, tegenover 0,144 voor de traditionele voorspelling. Maar toen de onderzoekers het model matig aanpasten (een "sterkte" van 0,75 op hun schaal), gebeurde er iets opvallends. De fout in de voorspelde regenhoeveelheid daalde met 30,7 procent, en het model voorspelde minder vaak onterecht veel regenbuien. De frequentie-afwijking, een maat die aangeeft hoe vaak het model buien voorspelt die er niet zijn, daalde van 1,510 naar 1,024 (1,0 zou perfect zijn). Maar de CSI-score, dus het vermogen om zware buien te herkennen, zakte juist naar 0,182.

Met andere woorden: beter de hoeveelheid regen voorspellen ging ten koste van het herkennen of er überhaupt een zware bui komt. De traditionele GFS-voorspelling bleef trouwens op alle fronten de laagste totale fout houden over het hele gebied.

**Wat betekent dit (nog) niet** 

Dit onderzoek gaat over één specifiek AI-model, getest in één regio in China, over twee regenseizoenen. Het betekent niet dat AI-weermodellen in het algemeen minder goed zijn dan traditionele modellen, of dat deze afweging overal en altijd optreedt. Het laat vooral zien dat je bij het bijslijpen van AI-modellen goed moet opletten waar je ze op afstelt: op het herkennen van gevaar, of op het nauwkeurig meten ervan. Meer onderzoek in andere regio's en over langere periodes is nodig om te zien hoe algemeen deze afweging is.

Bron: [LoRA Adaptation Strength in Aurora-WRF: Trade-offs in Regional Heavy-Rainfall Forecasting](http://arxiv.org/abs/2610.03747v1?ref=ontraadseld.nl)