AI utilizada para mejorar la predicción de rayos

La predicción del tiempo ha mejorado sustancialmente en el transcurso de la última década, con pronósticos de cinco días que ahora tienen un 90% de precisión. Sin embargo, un aspecto del clima que ha eludido durante mucho tiempo los intentos de predecirlo son los rayos. Debido a que los rayos son tan impredecibles, es muy difícil minimizar el daño que pueden causar a las vidas humanas, la propiedad y la naturaleza. Gracias al trabajo de un equipo de investigación de la Escuela de Ingeniería EPFL (Ecole Polytechnique Fédérale de Lausanne), los rayos pueden ser mucho más predecibles en un futuro cercano.

Según lo informado por SciTechDaily, un equipo de investigadores de la Escuela de Ingeniería de EPFL – Laboratorio de Compatibilidad Electromagnética, creó recientemente un programa de inteligencia artificial capaz de predecir con precisión la caída de un rayo en un período de 10 a 30 minutos y en un radio de 30 kilómetros. El sistema creado por el equipo de ingeniería aplica algoritmos de inteligencia artificial a los datos meteorológicos, y el sistema se utilizará en el proyecto europeo Laser Lightning Rod.

El objetivo del proyecto European Laser Lightning Rod (ELLR) es crear nuevos tipos de sistemas y técnicas de protección contra rayos. Específicamente, ELLR tiene como objetivo crear un sistema que utilice una técnica basada en láser para reducir la cantidad de rayos naturales hacia abajo, lo que se logra estimulando los rayos hacia arriba.

Según el equipo de investigación, los métodos actuales de predicción de rayos se basan en datos recopilados por radar o satélite, lo que tiende a ser muy costoso. El radar se utiliza para escanear tormentas y determinar el potencial eléctrico de la tormenta. Otros sistemas de predicción de rayos a menudo requieren el uso de tres o más receptores en una región para poder triangular las ocurrencias de rayos. La creación de predicciones de esta manera suele ser un proceso lento y complejo.

En cambio, el método desarrollado por el equipo de EPFL utiliza datos que se pueden recopilar en cualquier estación meteorológica estándar. Esto significa que los datos son mucho más baratos y fáciles de recopilar, y el sistema podría aplicarse potencialmente a regiones remotas donde los sistemas de satélite o radar no cubren y donde las redes de comunicación son irregulares.

Los datos para las predicciones también se pueden recopilar rápidamente y en tiempo real, lo que significa que una región podría recibir un aviso sobre la llegada de rayos incluso antes de que se haya formado una tormenta en la región. Según lo informado por ScienceDaily, el método que utilizó el equipo de EPFL para hacer predicciones es un algoritmo de aprendizaje automático entrenado en datos recopilados de 12 estaciones meteorológicas suizas. Los datos abarcaron una década y tanto las regiones montañosas como las urbanas estaban representadas en el conjunto de datos.

La razón por la que los rayos pueden predecirse es que son muy correlacionado con condiciones climáticas específicas. Uno de los ingredientes más importantes para la formación de rayos es la convección intensa, donde el aire húmedo se eleva a medida que la atmósfera se vuelve inestable en la región local. Las colisiones entre gotas de agua, partículas de hielo y otras moléculas dentro de las nubes pueden causar que las cargas eléctricas dentro de las partículas se separen. Esta separación da lugar a la creación de capas de nubes con cargas opuestas, lo que da lugar a las descargas que aparecen como relámpagos. Las características atmosféricas asociadas con estas condiciones climáticas pueden incorporarse a algoritmos de aprendizaje automático para predecir la caída de rayos.

Entre las características del conjunto de datos se encontraban variables como la velocidad del viento, la humedad relativa, la temperatura del aire y la presión atmosférica. Esas características se etiquetaron con rayos registrados y la ubicación del sistema que detectó el rayo. Con base en estas características, el algoritmo pudo interpretar patrones en las condiciones que llevaron a la caída de rayos. Cuando se probó el modelo, demostró ser capaz de pronosticar correctamente la caída de un rayo alrededor del 80 % de las veces.

El modelo de los equipos de la EPFL es notable porque es el primer ejemplo de un sistema basado en datos meteorológicos comúnmente disponibles que puede predecir con precisión la caída de rayos.

Deja un comentario