|
Karena semakin banyak kasus penggunaan industri untuk AI dan pembelajaran mesin yang membuahkan hasil, pakar cuaca dan iklim memanfaatkan teknologi ini untuk membantu, tetapi tidak menggantikan, kecerdasan manusia. Model AI semakin meningkatkan prediksi cuaca, iklim, dan bencana. Model pembelajaran AI dan mesin memiliki kualitas prediktif yang tidak dihambat oleh kesalahan manusia. Selain itu, alur kerja baru menggunakan model cuaca yang lebih baik untuk meningkatkan hasil bisnis, operasi, dan respons terhadap peristiwa cuaca. Model-model ini digunakan bersama atau sebagai alternatif untuk model cuaca dan iklim berbasis fisika besar dan menawarkan beberapa keuntungan menarik, menurut James Bednar, direktur layanan kustom di perusahaan ilmu data Anaconda. Pendekatan fisika tradisional membutuhkan daya komputasi yang sangat besar dan membutuhkan waktu lama untuk dijalankan sementara model AI dan pembelajaran mesin (ML) dapat mempelajari dan memetakan langsung dari data yang diamati untuk memprediksi hasil di masa mendatang tanpa mensimulasikan proses fisik yang mendasarinya. “Pemetaan langsung semacam itu bisa jauh lebih cepat untuk dihitung dan, pada prinsipnya, dapat menjelaskan proses fisik yang belum diketahui atau yang secara komputasi sulit untuk disimulasikan secara langsung,” kata Bednar. Sementara model berbasis fisika tradisional masih mengungguli model AI dalam praktiknya, mereka beroperasi dengan biaya komputasi yang luar biasa yang dapat dimitigasi oleh model AI bila digunakan dengan benar . Saat ini, model AI ini diterapkan pada berbagai kasus penggunaan untuk membantu para ahli. AI dalam kasus penggunaan prediksi iklim dan cuacaMeningkatkan ketahanan iklim. Menyampaikan proyek bekerja sama dengan Bank Dunia dan pemerintah India, petani di India menggunakan sistem penasehat cuaca bertenaga AI dari Cropin untuk mengoptimalkan praktik pertanian untuk manajemen benih, panen, nutrisi, dan tanah. Pada penerapan ini, perusahaan telah mendigitalkan lebih dari 30.000 plot pertanian yang mencakup 77 varietas tanaman dan meningkatkan pendapatan pertanian sebesar 37%, menurut pendiri dan CEO Cropin, Krishna Kumar. Prakiraan energi angin. Proyek angin cenderung terletak jauh dari infrastruktur cuaca. Model prediksi cuaca numerik klasik biasanya tidak menyelesaikan medan ini dengan sangat baik, sehingga menghasilkan prediksi keluaran cuaca yang salah. Teknik ML menggabungkan data pengamatan meteorologi di lokasi, data historis, dan data tentang operasi turbin untuk menjaga agar model tidak terlalu diprediksi dan diprediksi. Permintaan generasi. Prakiraan suhu adalah salah satu input utama yang diandalkan perusahaan utilitas saat merencanakan permintaan energi. Namun, pengambilan keputusan bisa jadi tidak sempurna karena adanya sumber kesalahan dalam model prediksi. Pendekatan ML baru dapat belajar menyimpulkan informasi yang tidak diselesaikan oleh model numerik untuk memperbaiki kesalahan ini, menurut Scott Mackaro, kepala wawasan dan inovasi untuk platform prakiraan cuaca Vaisala Xweather. Memprediksi pemadaman listrik. Vendor AI dapat melatih algoritme AI pada data satelit dan cuaca untuk memprediksi dampak badai dan mengurangi pemadaman listrik. Satelit AI juga dapat membantu perusahaan utilitas memahami jalur cuaca dan tingkat keparahan badai yang datang untuk meminimalkan kerusakan, merencanakan respons, memulihkan keselamatan masyarakat, dan berkomunikasi secara akurat dengan tim respons dan otoritas lokal. AI dapat membantu kesiapsiagaan bencanaSebagai salah satu dari banyak contoh, perusahaan teknologi citra udara dan data lokasi Nearmap menggabungkan citra satelit dari tahun 2014 dengan data tentang properti individu seperti karakteristik bangunan dan atap, permeabilitas permukaan, kondisi atap, konstruksi terdekat dan jejak kaki bangunan, seperti yang dijelaskan oleh Peta dekat. Teknologi ini memungkinkan pengguna untuk melihat wawasan prediktif, seperti tingkat tutupan pohon di dekat bangunan, yang dapat mengakibatkan peningkatan kerentanan yang disebabkan oleh penyebaran api atau kerusakan akibat pohon tumbang jika terjadi kebakaran hutan atau angin topan. "AI memungkinkan kemampuan untuk melihat citra udara dari lokasi dari waktu ke waktu, yang dapat membantu memprediksi keadaan kesiapan suatu daerah untuk peristiwa cuaca di masa depan," kata juru bicara Nearmap. Model AI bahkan dapat menganalisis jenis dan kondisi atap untuk menentukan apakah atap dapat menahan jenis angin tertentu atau harus diganti. Dengan menganalisis tangkapan citra dari waktu ke waktu, mereka dapat memahami kondisi rumah sebelum terjadi peristiwa cuaca untuk melihat kerusakan yang sebenarnya. Data ini dapat bermanfaat untuk pemrosesan klaim asuransi pascabencana . Model AI dan ML membantu perusahaan utilitas merencanakan, mempersiapkan, dan mengurangi risiko serta waktu pemadaman yang disebabkan oleh dampak badai dan kebakaran hutan. Model-model ini menjelaskan bagaimana infrastruktur merespons badai masa lalu, termasuk perbedaan dalam pengerasan jaringan. Hal ini membantu utilitas memposisikan kru untuk mengurangi waktu pemadaman. Dalam kasus kebakaran hutan, model AI dapat menyerap variabel kebakaran untuk memperkirakan kapan dan di mana kondisi kebakaran akan terjadi untuk membantu menentukan risiko kebakaran. Beberapa utilitas menyertakan faktor keputusan tambahan untuk membantu mengurangi risiko kebakaran hutan, seperti waktu respons untuk truk pemadam kebakaran atau apakah akan melakukan pekerjaan di lokasi tertentu pada hari tertentu. Terakhir, AI digunakan untuk memproses pelacak cuaca, lalu lintas, dan kendaraan elektronik untuk memberikan rekomendasi pengiriman kepada pelanggan, sebagaimana dibuktikan oleh Delbert Cope, kepala petugas teknologi di platform visibilitas rantai pasokan FourKites. Jika cuaca buruk diperkirakan akan berdampak pada bagian perjalanan tertentu, manajer transportasi dapat mengetahuinya terlebih dahulu dan secara proaktif mengubah rute kiriman. Keluaran model dapat digunakan untuk menentukan lokasi optimal untuk mencari barang yang dibutuhkan dan rute yang akan menghindari gangguan lebih lanjut. Model yang terlatih dengan baik juga dapat memicu pergerakan inventaris sebagai persiapan untuk peristiwa cuaca guna memastikan operasi berlanjut. sumber : |