MIT-algoritmus jósolhatja meg a még nem látott szélsőséges eseményeket

A korábbi rekordoknál is súlyosabb eseményeket keresik

A szélsőséges időjárási események ritkák és nehezen jelezhetők előre, miközben a városoknak, döntéshozóknak és biztosítóknak fel kell készülniük a lehetséges legrosszabb forgatókönyvekre. Ilyen kérdés lehet, hogy ellenáll-e egy város tengerfala egy rendkívül erős viharnak, kibírja-e egy térség villamosenergia-hálózata a rekordmeleget, vagy megfékezhető-e egy nagy kiterjedésű erdőtűz.

A kockázatelemzési módszerek általában korábbi szélsőséges eseményekből indulnak ki. Ez korlátozza a lehetőségeket, mivel az igazán ritka eseményekből kevés áll rendelkezésre, és a jövőben ennél súlyosabb esetek is bekövetkezhetnek. Az MIT kutatói ezért olyan eljárást dolgoztak ki, amelynek nem kell korábbi rekordokat tartalmazó adathalmazon tanulnia.

„Olyan szélsőséges, példa nélküli eseményeket próbálunk modellezni, amelyeket még senki sem látott, és amelyek nem szerepelnek az adathalmazban” , mondta Kai Chang, az MIT gépészmérnöki doktorandusza és az MIT Computational Science and Engineering központjának munkatársa.

Az η-learning térképeken is megmutatja a kockázatot

A kutatók Extreme Event Aware, röviden „η-learning” névre keresztelt módszere statisztikai megközelítést használ. Az algoritmus egy térség napi időjárási adataiból és térképeiből tanul, majd kiszűri a valószínűtlen forgatókönyveket. Ezután olyan eseményeket generál, amelyek egy meghatározott gyakorisággal várhatók, például százévente egyszer.

A rendszer nemcsak azt becsüli meg, hogy mekkora lehet egy esemény intenzitása. Térképen ábrázolhatja annak várható kiterjedését, területét és időtartamát is. Így egy felhasználó felteheti a kérdést: hogyan nézhet ki egy százévente bekövetkező vihar New Yorkban? Az algoritmus több, statisztikailag valószínű vihartérképet készíthet, amelyek megmutatják a csapadék intenzitását, a lefedett területet és a vihar lehetséges méretét.

Themis Sapsis, az MIT gépészeti és óceánmérnöki professzora szerint egy, a Katrina hurrikánhoz hasonló esemény 30-40 évente következik be. A kutatás egyik célja annak számszerűsítése, milyen lehet egy ennél is ritkább, százévente bekövetkező és súlyosabb esemény, hogy a tervezők felkészülhessenek rá.

25 év csapadékadataival tesztelték

A módszert az Egyesült Államok kontinentális területére vonatkozó, jövőbeli szélsőséges csapadékesemények térképeinek előállításával mutatták be. A kutatók 25 évnyi, óránkénti csapadéktérképet használtak, amelyeket napi térképekké vontak össze.

A teljes adatsorból kiszámították, milyen gyakran ér el egy adott szintet a térképen mért maximális csapadékmennyiség. Az algoritmust ugyanakkor csak az adatsor első hat hónapjából származó, alacsony és magas felbontású térképpárokon tanították. Ebben az időszakban kevés, vagy egyáltalán nem volt példa a legszélsőségesebb csapadékszintekre.

A rendszer a térképek közötti kapcsolatokat és a csapadék szélsőségeinek statisztikáit kombinálva olyan térbeli mintázatokat is létrehozott, amelyek túlmutattak a tanítás során látott eseményeken. A kutatók példaként egy 300 milliméteres maximális csapadékkal járó, százévente várható vihar lehetséges helyét, méretét és intenzitását említik.

Infrastruktúra, ellátási láncok és más területek

Az MIT szerint a módszer akkor is használható, ha rendelkezésre állnak a megfelelő pontszerű statisztikák és térbeli adatok. Ez lehetővé teheti szélsőséges árvizek és erdőtüzek vizualizálását is. A kutatók szerint az eljárás más területeken, például robotnavigációban és a pénzügyi piacok vizsgálatában szintén alkalmazható.

Kai Chang példaként a pénzügyi összeomlásokat említi, amelyek több ágazat összetett kölcsönhatásából alakulhatnak ki. Az algoritmus azt vizsgálhatja, milyen kapcsolat vezethet egy ilyen szélsőséges eseményhez.

A kutatók szerint a módszer gyakorlati értéke, hogy a tervezők több ezer lehetséges forgatókönyvet kaphatnak egy ritka eseményhez, és ezek alapján mérhetik fel az infrastruktúra megerősítésének szükségességét. Sapsis szerint egyetlen szélsőséges esemény hetek alatt tovagyűrűzhet az ellátási láncokban, az energiapiacokon és az élelmiszer-rendszerekben. A kutatásról szóló, nyílt hozzáférésű tanulmány augusztus 20-án jelent meg a Nature Communications folyóiratban. A munkát részben a Vannevar Bush Faculty Fellowship és az amerikai légierő tudományos kutatási hivatala támogatta.