Das maschinelle Lernmodell, das über eine hohe räumliche Auflösung verfügt, soll in der Lage sein, stündlich aktualisierte, detaillierte meteorologische Vorhersagen bis zu einem Quadratkilometer großen Raster zu treffen.

„Baguan stellt einen bedeutenden Fortschritt in unserem Engagement dar, Technologie für das Gemeinwohl nutzbar zu machen“, sagte Wotao Yin, Direktor des Decision Intelligence Lab an der Alibaba DAMO Academy. „Seine ausgefeilte Technologie trägt nicht nur zur Förderung der Klimawissenschaft bei, sondern kommt auch nachhaltigen Praktiken in verschiedenen Sektoren wie erneuerbare Energien und Landwirtschaft zugute.“

Neuartige Mustererkennung

Ausgestattet mit der so genannten „Siamese Masked Autoencoders (SiamMAE)-Struktur“ und einer Vorab-Trainingsmethode soll Baguan komplexe Muster aus komplexen dynamischen atmosphärischen Daten erkennen können und darüber hinaus durch einen autoregressiven Vorab-Trainingsansatz in der Lage sein, präzise Vorhersagen über verschiedene räumlich-zeitliche Skalen hinweg zu treffen, die von einer Stunde bis zu zehn Tagen im Voraus reichen können.

Hierzu nutzt das Tool ERA5, die atmosphärische Reanalyse des Europäischen Zentrums für mittelfristige Wettervorhersage (EZMW) des globalen Wetters von 1979 bis heute, um das grundlegende Modell für Wettervorhersagen zu erstellen.

Wichtige regionale meteorologische Indikatoren (wie regionale Temperatur, Strahlung und Windgeschwindigkeit sowie Radar- und Satellitenbilder und Geländedaten) sollen das Modell bei der weiteren Verfeinerung unterstützen. Ziel des global-regionalen Modellierungsansatzes sei es, sowohl die Vorhersagegenauigkeit auf regionaler Ebene als auch Erkenntnisse über spezifische lokale Bedingungen zu verbessern.

Zielsetzung: „stabileres Energiemanagement, grünere Energie“

Im Kontext der global steigenden Nachfrage nach erneuerbaren Energien soll Baguan die Vorhersagegenauigkeit erheblich erhöhen, was ein „stabileres Energiemanagement“ sowie eine stärkere Nutzung grüner Energie nach sich ziehen soll.

Die Fähigkeiten von Baguan im Bereich der Wettervorhersage wurden bereits im Strom- und Energiesektor in China eingesetzt, um kritische Anwendungen wie die Vorhersage der Stromlast und der erneuerbaren Energien zu unterstützen.

Best practice und Weiterentwicklung

Während eines unerwarteten Temperaturabfalls in der ost-chinesischen Provinz Shandong im August dieses Jahres soll Baguan einen entsprechenden Rückgang des Strombedarfs um 20 % einen Tag zuvor genau prognostiziert haben sowie eine „Genauigkeitsrate von 97,43 % bei der Lastprognose für den Folgetag“ errechnet haben. Lokale Netzbetreiber waren laut der Akademie in der Lage, die Stromverteilung zu optimieren, die Effizienz zu steigern und die Betriebskosten zu senken.

„Wir verfügen über jahrelange Forschungserfahrung in den Bereichen mathematische Modellierung, Zeitreihenprognose und erklärbare KI, die uns bei der Erstellung eines hochpräzisen regionalen Wettervorhersagemodells helfen“, ergänzt Wotao Yin. „Wir werden die Leistung für wichtige Wetterindikatoren wie Wolkenbedeckung, extreme Windgeschwindigkeiten und Niederschläge weiter verbessern, neue Technologien für die Analyse verschiedener Klimaszenarien entwickeln und weitere Anwendungen wie Luftfahrtwarnungen, landwirtschaftliche Produktion oder die Vorbereitung von Sportveranstaltungen unterstützen.“

(Quelle: Alibaba Cloud/Damo Academy)