Google WeatherNext 3 verwerkt satellietdata direct en voorspelt per uur
Google heeft versie 3 van zijn WeatherNext AI-weermodel uitgebracht, dat voor het eerst ruwe satellietdata verwerkt en daardoor elk uur een nieuwe voorspelling kan genereren in plaats van elke zes uur.
👁 115 keer gelezen
Google heeft WeatherNext 3 uitgebracht, een bijgewerkte versie van zijn AI-weermodel dat voor het eerst rechtstreeks satellietdata verwerkt - een stap die de voorspellingsfrequentie opschroeft van eens per zes uur naar eens per uur. De update is beschreven in een technisch white paper van het bedrijf.
- WeatherNext 3 verwerkt satellietdata direct, waardoor de voorspellingsfrequentie stijgt van één keer per zes uur naar eenmaal per uur
- De nauwkeurigheid van hogeatmosfeerdata verbetert met circa 5 procent ten opzichte van versie 2, wat neerkomt op zes extra uren betrouwbare voorlooptijd
- De locatiespecifieke berekening van oppervlaktetemperatuur verbetert de nauwkeurigheid met maximaal 30 procent
Tot nu toe vertrouwden vrijwel alle AI-weermodellen, inclusief de vorige versies van WeatherNext, volledig op zogeheten reanalyses. Dat zijn gecombineerde mondiale snapshots van de atmosfeer die alle beschikbare meetdata samenvoegen tot één consistent globaal beeld. Die snapshots worden doorgaans maar eens per zes uur aangemaakt, wat een inherente vertraging oplevert tussen de actuele weersituatie en een nieuwe voorspelling. WeatherNext 3 slaat een deel van die tussenstap over door satellietdata direct in te lezen, vergelijkbaar met de aanpak die traditionele fysische weermodellen al langer hanteren.
Google · Jouw bronnenHoger in Google - met één klikToevoegen aan voorkeursbronnen →Wat er verder veranderd is
Naast de satellietintegratie is de ruimtelijke resolutie verhoogd en is het machine-learningmodel zelf groter geworden. Om de extra rekenlast te beperken zijn er procesaanpassingen doorgevoerd. Google voegde ook een apart machine-learningmodel toe dat getraind is op satellietgebaseerde neerslageschattingen, waardoor meerdere neerslagvoorspellingen tegelijk beschikbaar zijn.
Een opvallende toevoeging is een kleine injectie van fysieke informatie. WeatherNext 3 controleert voor een specifieke locatie of het land of oceaan betreft en gebruikt de hoogte boven zeeniveau. Door te trainen op historische weerstation-data gekoppeld aan die kenmerken, verbetert de nauwkeurigheid van oppervlaktetemperatuur en dauwpunt met maximaal 30 procent volgens het white paper.
Bij de hogere atmosfeer boekt het model circa 5 procent winst in nauwkeurigheid ten opzichte van WeatherNext 2, wat het team vertaalt naar ongeveer zes extra uren betrouwbare voorlooptijd. WeatherNext 3 presteert op de meeste gemeten variabelen ook beter dan het AI-model van het Europees Centrum voor Middellange-termijn Weersvoorspellingen (ECMWF). Het white paper signaleert één uitzondering waarbij WeatherNext 3 achterblijft op een aantal variabelen, maar geeft geen verklaring voor dat verschil.
De kern van het concurrentievoordeel van AI-weermodellen blijft ongewijzigd: ze leveren vergelijkbare voorspelprestaties als traditionele modellen tegen een fractie van de rekenkracht, waardoor ze vaker gedraaid kunnen worden. WeatherNext 3 bouwt daarop voort door het gat met fysieke modellen op het vlak van data-inname verder te dichten.
More on this from HELDER
ai-overzicht·Scholieren die AI gebruiken halen gemiddeld lagere cijfers, blijkt uit OESO-studie