يمكن أن تساعد الخوارزمية المبتكرة حديثًا والمدعومة بالذكاء الاصطناعي في زيادة إمكانية التنبؤ بالرياح الموسمية الصيفية الهندية (ISMR) ، قبل 18 شهرًا من الموسم.
يمكن للخوارزمية التي تسمى خوارزمية اكتشاف التنبؤ (PDA) التي تم إجراؤها باستخدام متغير واحد متعلق بالمحيطات أن تسهل التنبؤ الماهر لـ ISMR في الوقت المناسب لوضع خطط زراعية واقتصادية أخرى فعالة للبلاد ، وفقًا لوزارة العلوم والتكنولوجيا.
وجد العلماء في معهد الدراسات المتقدمة في العلوم والتكنولوجيا (IASST) ، جواهاتي ، وهو معهد مستقل لقسم العلوم والتكنولوجيا (DST) ، جنبًا إلى جنب مع المتعاونين معهم ، أن درجة حرارة سطح البحر المستخدمة على نطاق واسع (SST) غير كافية للحساب للتنبؤ طويل الأمد لـ ISMR. ووجدوا أن هذا يرجع إلى أن المهارة المحتملة لـ ISMR المقدرة بواسطة خوارزمية الاكتشاف المتنبئ (PDA) باستخدام المتنبئين المستندة إلى SST كانت منخفضة في كل أشهر الرصاص.
ابتكر الفريق المكون من IASST والمعهد الهندي للأرصاد الجوية المدارية (IITM) وبيون وجامعة القطن في جواهاتي ، خوارزمية اكتشاف تنبؤ (PDA) تُنشئ متنبئًا في أي شهر رئيسي من خلال إسقاط عمق الخط الحراري للمحيط (D20) على مدار العام. الحزام الاستوائي بين عامي 1871 و 2010 على خريطة الارتباط بين ISMR و D20 خلال نفس الفترة.
تشير الخوارزمية الجديدة إلى أن المهارة المحتملة لـ ISMR هي بحد أقصى (0.87 ، أعلى هي 1.0) ، 18 شهرًا قبل موسم ISMR. في أي شهر رائد ، تعتمد إمكانية التنبؤ بالتغير السنوي لـ ISMR على درجة الانتظام في التباين السنوي لمحركاته.
مع وجود الأساس المكتشف حديثًا لإمكانية التنبؤ ISMR طويلة الأمد في مكانه ، تمكن Devabrat Sharma (IASST) و Santu Das (IASST) و Subodh K. Saha (IITM) و BN Goswami (جامعة القطن) من توقع توقعات لمدة 18 شهرًا من ISMR بين 1980 و 2011 بمهارة فعلية 0.65 باستخدام نموذج التنبؤ ISMR القائم على التعلم الآلي.
وفقًا لبيان الوزارة ، فإن نجاح النموذج استند إلى قدرة الذكاء الاصطناعي (AI) على معرفة العلاقة بين ISMR وأنماط الخط الحراري المداري من 150 عامًا من المحاكاة بواسطة 45 نموذجًا مناخيًا ماديًا ونقل هذا التعلم إلى فعلي. الملاحظات بين عامي 1871 و 1974.
نظرًا لأن المهارة المحتملة لـ ISMR عند الرصاص لمدة 18 شهرًا هي 0.87 ، فلا يزال هناك مجال كبير لتحسين النموذج.
