利用人工智能预测风暴
沙尘暴不仅对那些试图保持房屋整洁的人来说是一种麻烦，而且还造成了非常现实的健康危害，并且是一个主要的生态问题。吸入灰尘和其他空气颗粒物引起的呼吸系统问题是全世界死亡的主要原因之一。
更糟糕的是，灰尘颗粒可以在国家之间、大陆之间自由传播，从而传播病原体，可能导致流行病的爆发。此外，尘埃云对气候有着巨大的影响：它们吸收和分布太阳光线，从而改变地球的温度，它们还影响云的特性和降雨模式。
通常，沙尘暴形成于干旱地区，如内盖夫、阿拉伯半岛、撒哈拉沙漠以及北美和亚洲沙漠。风从地面上扬起微小的颗粒，虽然较大的沙粒下沉到风暴形成的地方附近，但较小的尘埃颗粒可以被吹到数百甚至数千公里之外。
对沙尘暴进行早期预警可以帮助保护弱势群体并防止农作物遭到破坏，而且，作为额外的好处，可以使我们免于毫无意义地清洁房屋。但这些风暴的快速发展和蔓延，加上它们覆盖大片地区，使得我们很难预测它们何时、何地袭击以及袭击的严重程度。
魏茨曼科学研究所地球与行星科学系的 Ron Sarafian 博士、Dori Nissenbaum 和 Yinon Rudich 教授最近发表的一项研究在沙尘暴预报方面取得了突破。该研究发表在npj Climate and Atmospheric Science上，是与同样来自魏茨曼大学同一系的 Shira Raveh-Rubin 博士合作撰写的。
最初，研究人员希望利用计算机视觉领域获得的知识。由于沙尘暴的气象数据可以显示为一系列卫星图像，他们认为人工神经网络将能够“学习”控制风暴传播的模式，就像这些网络学会识别各种沙尘暴的视频一样。动物或物体。
然而，他们的希望只实现了一部分。常规图像仅由三种基色组成，它们之间有相当多的重叠。然而，气象“图像”由不少于 60 个变量组成：温度数据、湿度、风速等。
此外，虽然计算机视觉系统依赖于基于数百万图像档案的机器学习，但用于识别沙尘暴的人工神经网络的图像却非常少：以色列研究人员可以使用的气象“电影”中只有 60,000 张， “在从卫星和地面站收集了大约二十年的详细数据之后。在这个相对有限的集合中，很少发现在同一地点形成沙尘暴的多个实例。
在这种情况下，任何试图学习控制贝尔谢巴沙尘暴形成模式的人工神经网络都可能遭受所谓的“过度拟合”的影响。换句话说，他们可能会根据有限的情况制定模式，并在发现新的、尚未学习的条件时得出错误的结论。
令他们惊讶的是，研究人员发现，通过让人工神经网络变得更加困难，可以改善预测。他们要求网络不仅要了解沙尘暴预计何时达到某一点，还要处理一个辅助问题：跟踪沙尘扩散的更大区域。
例如，为了预测沙尘暴何时可能袭击贝尔谢巴，网络了解了沙尘暴对黎巴嫩的影响有多严重。使用这种方法，网络可以获得更多的数据，从中还可以了解灰尘传播的物理和气象环境。
研究人员利用过去20年从以色列所有气象站收集的数据表明，在沙尘较多的冬季和春季，他们可以成功提前24小时预报80%以上的沙尘暴，并提前24小时成功预报沙尘暴，并预测大约70小时的沙尘暴。 %，提前 48 小时。系统未能预测的大多数事件都是在局部地区迅速发展的风暴，这使得收集有助于预测事件的区域数据变得困难。
萨拉菲安说：“根据以色列数据训练的网络，经过一些调整，就可以预测中东其他地方甚至世界各地的沙尘暴。” “此外，我们创建了一种架构，可以帮助预测与气象数据相关的其他罕见事件，例如极端降雨或山洪。”
鲁迪奇补充道：“这项研究最重要的成就是利用人工智能扫描大量丰富的数据，并研究物理原理和大气过程，我们已经在后续研究中实施了这项研究。我们以前无法做到的方式。”