Mejores predicciones meteorológicas a muy corto plazo con la ayuda de la inteligencia artificial

Un equipo de científicos y especialistas en inteligencia artificial trabajan en la aplicación de técnicas matemáticas y probabilísticas propias de la inteligencia artificial, como los modelos generadores, para mejorar las predicciones meteorológicas a muy corto plazo. La idea es que si estos modelos pueden comportarse con alta precisión en predicciones de entre 5 y 90 minutos, por adelantado, podrían tener aplicaciones prácticas muy directas y realistas, más allá de la pura teoría.

Como es sabido, los límites de la predicción meteorológica se deben a que el medio atmosférico y los fenómenos meteorológicos como los vientos y la lluvia se comportan como sistemas no lineales caóticos. Ya en la década de 1960 Edward Lorenz desarrolló esta teoría del caos –en buena parte pensando en la meteorología– lo que permitió tratar el problema con un mejor modelado físico-matemático a partir de datos como la temperatura, la humedad o la presión atmosférica. De este modo comprendemos mejor los límites de la capacidad de predicción: horas, días o semanas, hasta el punto en el que estamos, a día de hoy, en el siglo XXI: donde a 3 y 5 días se habla de predicciones razonables y generalmente precisas. Pero las propias leyes de la física impiden que podamos predecir qué va a suceder más allá de unos pocos días, aunque recurrimos a asignar ciertas probabilidades a lo que sucederá más allá (semanas), punto a partir del cual pasan a tener más peso las tendencias climatológicas e históricas.

Pero en la actualidad incluso los pronósticos a muy corto plazo no son tan precisos y rápidos como nos gustaría: ¿Qué neumáticos deben montar los coches de Fórmula 1 exactamente a la hora prevista? ¿Podemos realizar un viaje y transportar mercancías peligrosas dentro de unas pocas horas? ¿Se convertirán esas nubes negras en lluvias capaces de provocar una inundación en los pueblos cercanos? Al interés tradicional de los granjeros, pescadores y la gente corriente en sus quehaceres diarios se une toda una serie de sectores económicos muy dependientes de lo que vaya a suceder en cuestión de horas.

Es por todo ello que el trabajo que se está realizando para mejorar las predicciones a corto plazo –digamos entre media hora y dos horas– tiene su importancia. Lo han llamado Nowcasting, algo así como «La predicción del ahora» y lo más avanzado al respecto ha quedado plasmado en un reciente artículo de la revista Nature. En buena parte se basa en los datos de radar, algo que hemos visto usar innumerable veces en carreras automovilísticas, eventos deportivos y apps para el móvil que consultamos a simple vista, pero también en datos provenientes de todo tipo de fuentes que antes eran escasos y ahora abundantes.

Los modelos meteorológicos se alimentan normalmente de datos (temperatura, presión, humedad, etc…) y la principal influencia es la resolución (cuán separados están las estaciones de medición, por ejemplo, 1 ó 10 km) y cada cuánto se realice el muestreo (cada 5 minutos, 60 minutos o una vez al día). Las ecuaciones del caos son complejas y sus efectos aun más. Hay que pensar en nuestro planeta como una cuadrícula en la que los datos de cada vértice varían a lo largo del tiempo e influyen a los que están situados cerca. Los cálculos que hay que realizar son tremendos, pues cada punto de la cuadrícula se ve influido por los puntos cercanos, una y otra vez; los resultados varían exponencialmente y se propagan más lejos a medida que avanza el tiempo. Por esto una tarea típica de los superordenadores es realizar simulaciones meteorológicas, porque son muy buenos procesando tantos números y ecuaciones y calculando cómo evolucionan. El resultado se destila con estadísticas y probabilidades hasta que queda un dato que vemos normalmente en las noticias: «hay una probabilidad del 80% de lluvia mañana».

Utilizando estas fuentes de datos de radar, en el caso del Reino Unido a resolución de 1 km por 1 km cada 5 minutos, el modelo produce predicciones consistentes y realistas en regiones tan grandes como 1.500 km por 1.300 km, con una antelación de entre 5 y 90 minutos a partir de los primeros 20 minutos de recopilación de datos. Comparado con los sistemas actuales –aunque parte del problema de estos métodos es evaluar su rendimiento– resulta más preciso que el 90% de ellos, al menos «en la práctica». Así que cuando se necesitan datos en tan corto plazo de tiempo estos modelos generadores parecen ser mejores que los demás, que aunque son efectivos adolecen de ser «más lentos en aprender» (y por tanto responden peor en predicciones a corto plazo). Además de todos los sectores ya mencionados, los autores hablan de servicios de gestión de energía (granjas eólicas), sistemas de control de tráfico aéreo y marino, servicios de emergencia e incluso las ventas al por menor. Y es que nada mejor que saber con seguridad si va a llover en las próximas horas para montar un mercadillo o no, preparar comida para tener lista para servir o montar la terracita a la espera de los viandantes.

Últimas entradas de Microsiervos

SUV Volvo Recharge

Volvo Recharge, nuestra línea de SUV híbridos enchufables y eléctricos puros. Diseñados para ofrecer una mejor manera de moverse por el mundo.

¡Pruébalos!