Kiszáradó tavaktól pusztító áradásokig, özönvízszerű viharokig, a szélsőséges időjárási jelenségek egyre gyakoribbak. A változó éghajlatra többek között azért is nehéz reagálnunk, mert a globális felmelegedés okai annyira komplexek, hogy nem mindig, vagy nem jól értjük őket.

A Stanford Egyetem kutatói az amerikai Középnyugaton tapasztalható időjárási szélsőségek feltételeinek azonosítására fejlesztettek gépitanulás-technikát. Ez az egyik első kísérlet a hosszútávú változások okainak mesterséges intelligenciával történő elemzésére.

Az MI a pontosabb előrejelzésekben is segít.

A felmelegedés például keményebb esőzésekhez, havazásokhoz is vezet, az atmoszféra melegebb, nedvesebb. A klímaváltozás a csapadékképződést másként is befolyásolhatja, viszont nehéz megmondani, hogyan. Részben azért, mert a klímamodellek térbeli felbontása nem elegendő regionális szélsőségek megjelenítésére.

A kutatók a felső Mississippi és a Missouri keleti részének vízgyűjtőjére összpontosítva, nyilvánosan hozzáférhető adatok alapján számolták ki a régió 1981 és 2019 közötti extrém csapadékos napjait. Utána az algoritmust megtaníttatták a kapcsolódó légköri képződményminták adatalapú elemzésére.

Hagyományos statisztikai módszereknél eredményesebben, több mint kilencven százalékos pontossággal azonosította a napokat.

Kiderítette, hogy a növekedés több tényező összjátéka: az egyik, hogy a 21. században gyakoribbak a rengeteg csapadékhoz vezető légnyomás-minták. Időben visszafelé haladva, viszont egyre csekélyebbek a változások.

A minták előfordulásakor a csapadékmennyiség egyértelműen nő, nagyobb az esély egy viharos napra, mint a múltban volt. Ezeken a napokon a Mexikói-öbölből Középnyugatra tartó légköri nedvességáramlás is magasabb, ami nyilvánvalóan befolyásolja a viharos esőzéseket.

A mesterséges intelligenciával e tényezők jövőbeli özönvizekre gyakorolt hatását is vizsgálják, de technikájukat más régiókra, más időjárási jelenségekre, például trópusi ciklonokra is kiterjesztenék.