Das Modell mit dem Namen "GenCast" übertrifft herkömmliche Klimaprognosen mittlerer Reichweite und ist auch in der Lage, extreme Wetterbedingungen, die Zugbahn tropischer Wirbelstürme und die Windenergieerzeugung besser vorherzusagen.

Einzelheiten des Modells wurden in einem Artikel in der Zeitschrift Nature veröffentlicht, wie die Agentur Efe berichtet.

Genaue Wettervorhersagen sind unerlässlich, damit Menschen, Regierungen und Organisationen wichtige Entscheidungen für ihr tägliches Leben treffen können - vom Mitführen eines Regenschirms über die Bewertung der Windenergieproduktion bis hin zur Planung für extreme Wetterbedingungen, um Katastrophen zu vermeiden.

Herkömmliche Wettervorhersagen basieren auf numerischen Wettervorhersagemethoden, die das aktuelle Wetter abschätzen und mit einer zukünftigen Wettervorhersage über die Zeit abbilden (so genannte deterministische Vorhersagen), aber dies erzeugt zahlreiche mögliche Szenarien, die zu einer Wettervorhersage kombiniert werden.

Jetzt hat ein Team von Wissenschaftlern bei Google eine Wettervorhersagemethode mit maschinellem Lernen namens GenCast entwickelt, die in der Lage ist, eine probabilistische Vorhersage zu erstellen, die die Wahrscheinlichkeit des zukünftigen Wetters auf der Grundlage der aktuellen und vergangenen Wetterlage vorhersagt.

Die Autoren trainierten GenCast auf der Grundlage von 40 Jahren (1979 bis 2018) Datenanalyse der besten Schätzungen von Klimaereignissen.

Dank dieses Trainings ist das Modell in der Lage, in acht Minuten globale Vorhersagen für 15 Tage für mehr als 80 atmosphärische und Oberflächenvariablen zu erstellen.

Bei einem Vergleich mit der Vorhersagesuite des Europäischen Zentrums für mittelfristige Wettervorhersage (ENS) - der derzeit leistungsfähigsten mittelfristigen Vorhersage weltweit - wurde festgestellt, dass GenCast die ENS-Vorhersage in 97,2 % der 1 320 verwendeten Ziele übertrifft.

GenCast ist auch effektiver bei der Vorhersage extremer Wetterbedingungen, der Zugbahnen tropischer Wirbelstürme und der Windenergieerzeugung.

Die Autoren argumentieren, dass GenCast effizientere und effektivere Wettervorhersagen zur Unterstützung einer effektiven Planung erstellen kann.