آزمایشگاه ملی انرژی تجدیدپذیر ایالات متحده آمریکا اعلام کرده است که با استفاده از توسعه روش یادگیری ماشینی توانسته است دقت اطلاعات مربوط به پیش بینی آب و هوایی مانند سرعت باد و تابش خورشید را تا چندین برابر افزایش دهد.

به گزارش سرویس اخبار فناوری و تکنولوژی تکنا، مدل یادگیری ماشینی توسعه یافته توسط این محققان قادر است علاوه بر تهیه جزئیات فیزیکی همراه با مشاهده تمام زمینه ها، داده های اقلیمی با وضوح و سرعت بالا را نیز جمع آوری کند. این اطلاعات می‌تواند به دانشمندان کمک کند تا با استفاده از اطلاعات مربوط به تغییرات اقلیمی مطالعات خود در مورد انرژی های تجدید پذیر را توسعه دهند.

رایان کینگ، محقق ارشد در زمینه فیزیک یادگیری عمیق می گوید: افزایش دقت داده های پیش بینی آب و هوا از طریق یادگیری ماشینی می‌تواند تاثیر زیادی در بخش‌های انرژی، کشاورزی و حمل و نقل داشته باشد. افزایش دقت دریافت داده های مربوط به پیش بینی آب و هوا همچنین می تواند در شناسایی متغیرهایی مانند باد، ابرها، باران و جریان های دریایی و در نتیجه تولید انرژی های تجدید پذیر موثر باشد.

بدین ترتیب برنامه‌ریزی‌های موثر برای زیرساخت‌ها و سیاست گذاری های مربوط به تخصیص منابع بهتر انجام خواهد شد. پیش ازاین عدم دستیابی به اطلاعات موثر در مورد آب و هوا مشکلات زیادی را در برنامه ریزی برای استفاده از انرژی های تجدید پذیر به وجود آورده بود. اما در روش های جدید و با افزایش وضوح اطلاعات می‌توان شبکه‌های اطلاعات واقعی تری را به وجود آورد.

در این روش دو نوع شبکه عصبی آموزش داده شده است که وظیفه یکی از آن ها اطلاعات فیزیکی مربوط به تابش خورشید و سرعت باد را با وضوح بالا جمع آوری می کند و دیگری اطلاعات جمع آوری شده را در داده های دیگر وارد میکند.