Betere AI-voorspelling van regenbuien: hoe een bestaand model werd verfijnd
Je kijkt naar de weer-app en ziet een kans op regen van 40 procent voor het komende uur. Hoe komt dat percentage eigenlijk tot stand? Steeds vaker speelt kunstmatige intelligentie daarin een rol. Een onderzoeksteam heeft nu een bestaand AI-model voor dit soort uurlijkse regenvoorspellingen verbeterd, en legt in een nieuw document precies uit wat er is veranderd.
Het gaat om een systeem dat voorspellingen van een weermodel (GRAF, van The Weather Company) omzet in een kansberekening: hoe waarschijnlijk is het dat het in jouw buurt het komende uur gaat regenen? Dit soort "vertaalslag" van ruwe modeluitkomst naar bruikbare kans heet postprocessing. Het model dat dit doet, is gebouwd met een type neuraal netwerk dat een Attention Residual U-Net heet, een techniek die goed is in het herkennen van patronen in beeld- en kaartdata, zoals regenradarbeelden.
In de oorspronkelijke versie moest het model voor elke maand en elke vooruitkijktijd apart worden getraind. Dat leverde maar liefst 192 losse versies op. Dat is onhandig en kost veel rekenkracht. In de nieuwe versie gebruikt het team een techniek genaamd Feature-wise Linear Modulation. Simpel gezegd: het model krijgt informatie over het seizoen en de vooruitkijktijd direct als extra input, waardoor één getraind model per seizoen volstaat in plaats van tientallen losse varianten.
Daarnaast kan het model nu verder vooruitkijken: van 48 naar 72 uur. Er zijn ook twee nieuwe soorten informatie toegevoegd. Ten eerste het lokale zonne-uur per pixel op de kaart, zodat het model weet of het bijvoorbeeld ochtend of avond is op die specifieke plek. Ten tweede een vaste, per maand wisselende neerslagklimatologie: een soort langjarig gemiddelde van hoeveel regen er normaal valt op die plek en in die periode.
Om te checken of het model echt beter is geworden, gebruikt het team de Brier Skill Score, een veelgebruikte maatstaf voor de kwaliteit van kansvoorspellingen. Hoe hoger die score, hoe beter de voorspelling aansluit bij wat er werkelijk gebeurt. Bij deze test is de lat ook hoger gelegd: de vergelijkingsbasis houdt nu niet alleen rekening met de maand, maar ook met het tijdstip op de dag.
Het resultaat: de nieuwe versie van het model presteert consistent iets beter dan de oude versie, zowel op de Brier Skill Score als op betrouwbaarheid. De onderzoekers noemen de verbetering zelf "bescheiden maar consistent".
Wat betekent dit (nog) niet: Dit is een technische verbetering van één specifiek voorspelmodel, getest door één onderzoeksteam. Het betekent niet dat regenvoorspellingen nu ineens overal veel nauwkeuriger zijn. De verbetering is volgens de onderzoekers zelf "bescheiden", en het is niet gezegd dat deze aanpak net zo goed werkt bij andere weermodellen of in andere regio's.
Bron: Methodological Changes to the Attention ResUNet Hourly Precipitation Postprocessor