افزایش قابل‌توجه سرعت تهیه داده‌های ماهواره‌ای با استفاده از روش جدید یادگیری ماشین

محققان آمریکایی یک روش جدید یادگیری ماشین را توسعه داده‌اند که سرعت تهیه داده‌های ماهواره‌ای با قدرت تفکیک مکانی بالا برای داده‌های اقلیمی را به‌شکل قابل‌توجهی افزایش می‌دهد. با بهره‌گیری از این روش، سرعت تهیه اطلاعات برای داده‌های سرعت باد ۵۰ بار و برای داده‌های میران تابش خورشید ۲۵ بار افزایش می‌یابد. دانشمندان وزارت انرژی ایالات متحده (U.S. Department of Energy) برای این منظور مدلی را ایجاد کردند که طی آن، ماهواره با در نظر گرفتن کل محدوده در هر بار پایش به تولید جزئیات فیزیکی به‌صورت کاملاً واقعی می‌پردازد که در نتیجه افزایش سرعت تهیه داده‌ها میسر می‌شود. این امر محققان را قادر می‌سازد تا مطالعات انرژی‌های تجدیدپذیر را سریع‌تر و با دقت بیشتری انجام دهند.

آن‌ها در مدل خود دو نوع شبکه عصبی مصنوعی را آموزش دادند؛ یکی برای شناخت ویژگی‌های فیزیکی داده‌های تابش خورشیدی و سرعت باد و دیگری برای وارد کردن این ویژگی‌ها در داده‌های درشت (coarse data). گفتنی است وقتی به‌جای مقدار دقیق داده‌ها فقط مجموعه‌ای از آن‌ها که حاوی مقدار دقیق آن است، مشاهده می‌شود از اصطلاح داده‌های درشت استفاده می‌گردد. بنابر اعلام محققان، روش مذکور می‌تواند برای طیف گسترده‌ای از شرایط آب و هوایی، از مقیاس‌های محلی گرفته تا مقیاس‌های جهانی، مورد استفاده قرار گیرد و مدل‌های فعلی پیش‌بینی‌ وضعیت اقلیمی را تغییر دهد.