Los meteorólogos confían en modelos estadísticos para encontrar y clasificar patrones en grandes cantidades de datos. Aún así, el clima sigue siendo extremadamente difícil de predecir porque cambia constantemente.
"Cuando medimos el estado actual de la atmósfera, no medimos todos los puntos en el espacio tridimensional", dice Paul Roebber, meteorólogo de la Universidad de Wisconsin-Milwaukee. "Estamos interpolando lo que sucede en el-Entre."
Para aumentar la precisión, los pronosticadores no confían en un solo modelo. Usan modelos de "conjunto", que toma un promedio de muchos modelos climáticos diferentes. Pero el modelado de conjunto no es tan preciso como podría ser a menos que haya nuevos datosse recogen y se agregan. Eso puede ser costoso.
Entonces Roebber aplicó al problema un equivalente matemático de la teoría de la evolución de Charles Darwin. Él ideó un método en el cual un programa de computadora clasifica 10,000 otros, mejorando con el tiempo usando estrategias, como la herencia, la mutación y la selección natural.
"Al principio, esto fue solo una idea del cielo", dice Roebber, un distinguido profesor de ciencias atmosféricas de la UWM, que ha estado perfeccionando su método durante cinco años ". Pero en el último año, heobtuvo $ 500,000 de financiación detrás de él "
Su método de pronóstico superó a los modelos utilizados por el Servicio Meteorológico Nacional. En comparación con el modelo de predicción meteorológica estándar, la metodología evolutiva de Roebber funciona particularmente bien en pronósticos de mayor alcance y eventos extremos, cuando más se necesita un pronóstico preciso.
Entre el 30 y el 40 por ciento de la economía de los Estados Unidos depende de alguna manera de la predicción del clima. Por lo tanto, incluso una pequeña mejora en la precisión de un pronóstico podría ahorrar millones de dólares anualmente para industrias como el transporte marítimo, los servicios públicos, la construcción y los agronegocios.
El problema con los modelos de conjunto es que los datos que contienen tienden a ser demasiado similares. Eso hace que sea difícil distinguir las variables relevantes de las irrelevantes, lo que el estadístico Nate Silver llama la "señal" y el "ruido".
¿Cómo se gana diversidad en los datos sin recopilar más? Roebber se inspiró en cómo lo hace la naturaleza.
La naturaleza favorece la diversidad porque frustra la posibilidad de que una amenaza destruya a toda una población a la vez. Darwin observó esto en una población de pinzones de las Islas Galápagos en 1835. Las aves se dividieron en grupos más pequeños, cada uno residiendo en diferentes lugares alrededor de las islas.tiempo, se adaptaron a su hábitat específico, diferenciando a cada grupo de los demás.
Aplicando esto a los modelos de predicción meteorológica, Roebber comenzó subdividiendo las variables existentes en escenarios condicionales: el valor de una variable se establecería de una manera bajo una condición, pero se establecería de manera diferente bajo otra condición.
El programa de computadora que creó selecciona las variables que mejor logran el objetivo y luego las recombina. En términos de predicción del clima, eso significa que los modelos de "descendencia" mejoran en precisión porque bloquean más atributos inútiles.
"Una diferencia entre esto y la biología es que quería forzar a la próxima generación [de modelos] a ser mejores en un sentido absoluto, no solo a sobrevivir", dijo Roebber.
Ya está usando la técnica para pronosticar temperaturas mínimas y máximas durante siete días.
Roebber a menudo piensa en diferentes disciplinas en su investigación. Hace diez años, estaba a la vanguardia de la construcción de simulaciones de pronósticos que se organizaron como neuronas en el cerebro. A partir del trabajo, creó una herramienta de "red neuronal artificial", ahora utilizada porel Servicio Meteorológico Nacional, que mejora significativamente la predicción de nevadas.
Fuente de la historia :
Materiales proporcionado por Universidad de Wisconsin-Milwaukee . Nota: El contenido puede ser editado por estilo y longitud.
Cite esta página :