ETV Bharat / technology

ಡೀಪ್ ಲರ್ನಿಂಗ್ ಆಧರಿತ ನಿಖರ ಹವಾಮಾನ ಮುನ್ಸೂಚನಾ ತಂತ್ರಜ್ಞಾನ ಆವಿಷ್ಕರಿಸಿದ ಭುವನೇಶ್ವರ್​ ಐಐಟಿ - Weather Forecasting Model

author img

By ETV Bharat Karnataka Team

Published : Aug 13, 2024, 6:18 PM IST

ನಿಖರವಾಗಿ ಮತ್ತು ಸಾಕಷ್ಟು ಮುಂಚಿತವಾಗಿ ಹವಾಮಾನ ಮುನ್ಸೂಚನೆಗಾಗಿ ಡೀಪ್​ ಲರ್ನಿಂಗ್​ ಆಧರಿತ ಹೈಬ್ರಿಡ್​ ತಂತ್ರಜ್ಞಾನವೊಂದನ್ನು ಭುವನೇಶ್ವರದ ಐಐಟಿ ಸಂಶೋಧಕರು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದಾರೆ.

ಭುವನೇಶ್ವರ್​ ಐಐಟಿ
ಭುವನೇಶ್ವರ್​ ಐಐಟಿ (IANS)

ಭುವನೇಶ್ವರ: ಹವಾಮಾನ ಮುನ್ಸೂಚನೆಯ ನಿಖರತೆಯನ್ನು ಹೆಚ್ಚಿಸಲು, ವಿಶೇಷವಾಗಿ ಸಾಕಷ್ಟು ಮುಂಚಿತವಾಗಿ ಭಾರಿ ಮಳೆಯಾಗುವ ಸಂಭವನೀಯತೆಗಳ ಮುನ್ಸೂಚನೆ ವ್ಯವಸ್ಥೆಯನ್ನು ಸುಧಾರಿಸುವ ಉದ್ದೇಶದಿಂದ, ಹವಾಮಾನ ಸಂಶೋಧನೆ ಮತ್ತು ಮುನ್ಸೂಚನೆ (ಡಬ್ಲ್ಯುಆರ್​ಎಫ್) ಮಾದರಿಯ ಫಲಿತಾಂಶಗಳನ್ನು ಡೀಪ್ ಲರ್ನಿಂಗ್ (ಡಿಎಲ್) ಮಾದರಿಯ ಒಳಗೆ ಸಂಯೋಜಿಸುವ ಮೂಲಕ ಭುವನೇಶ್ವರದ ಇಂಡಿಯನ್ ಇನ್ಸ್ಟಿಟ್ಯೂಟ್ ಆಫ್ ಟೆಕ್ನಾಲಜಿ (ಐಐಟಿ) ಯು ಹೈಬ್ರಿಡ್ ತಂತ್ರಜ್ಞಾನವೊಂದನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದೆ.

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ನೈಜ-ಸಮಯದ ಹವಾಮಾನ ಮುನ್ಸೂಚನೆಯನ್ನು ಸುಧಾರಿಸುವ ಸಾಮರ್ಥ್ಯ ಹೊಂದಿದೆ ಎಂಬುದನ್ನು ಈ ಅಧ್ಯಯನವು ಎತ್ತಿ ತೋರಿಸಿದೆ. ವಿಶೇಷವಾಗಿ ಭಾರತದ ಸಂಕೀರ್ಣ ಭೂಪ್ರದೇಶಗಳಲ್ಲಿ ಭಾರಿ ಮಳೆಯ ಘಟನೆಗಳ ಸಂದರ್ಭದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಬಳಕೆ ಉಪಯುಕ್ತವಾಗಿದೆ ಎಂಬುದು ಅಧ್ಯಯನದಲ್ಲಿ ತಿಳಿದು ಬಂದಿದೆ.

ಜೂನ್ 2023 ರಲ್ಲಿ ಅಸ್ಸಾಂನ ಬೆಟ್ಟ ಗುಡ್ಡಗಳಿರುವ ಸಂಕೀರ್ಣ ಭೂಪ್ರದೇಶದಲ್ಲಿ (ಬಹಳಷ್ಟು ಸಲ ತೀವ್ರ ಪ್ರವಾಹ ಉಂಟಾಗುವ ಪ್ರದೇಶ) ಮತ್ತು ಒಡಿಶಾ ರಾಜ್ಯದಾದ್ಯಂತ ಈ ಅಧ್ಯಯನಗಳನ್ನು ನಡೆಸಲಾಯಿತು. ಈ ಪ್ರದೇಶಗಳಲ್ಲಿ ಮಾನ್ಸೂನ್ ಸಮಯದ ಕಡಿಮೆ ಒತ್ತಡದ ಹವಾಮಾನ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಆಗಾಗ ಮೇಘಸ್ಪೋಟ ಘಟನೆಗಳು ಸಂಭವಿಸುತ್ತಿರುತ್ತವೆ.

"ಅಸ್ಸಾಂನಲ್ಲಿ, ಹೈಬ್ರಿಡ್ ಮಾದರಿಯು ಹವಾಮಾನ ಊಹೆಯಲ್ಲಿ ನಿಖರತೆಯನ್ನು ಪ್ರದರ್ಶಿಸಿದೆ. ಇದು ಜಿಲ್ಲಾ ಮಟ್ಟದಲ್ಲಿ ಸಾಂಪ್ರದಾಯಿಕ ಸಮೂಹ ಮುನ್ಸೂಚನಾ ಮಾದರಿಗಳಿಗಿಂತ ಸುಮಾರು ಎರಡು ಪಟ್ಟು ನಿಖರವಾಗಿದೆ. 96 ಗಂಟೆಗಳವರೆಗಿನ ಲೀಡ್ ಸಮಯವನ್ನು ಹೊಂದಿದೆ. ಇದು ಹೊಸ ಹೈಬ್ರಿಡ್ ಮಾದರಿಯು ಗಮನಾರ್ಹ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಹೊಂದಿರುವುದನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಪೂರ್ವಾನ್ವಯ ಪ್ರಕರಣಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಈ ನವೀನ ಅಧ್ಯಯನಗಳನ್ನು ನಡೆಸಲಾಗಿದೆ" ಎಂದು ಅಧಿಕೃತ ಮೂಲಗಳು ತಿಳಿಸಿವೆ.

ಐಐಟಿ-ಭುವನೇಶ್ವರದ ಸಂಶೋಧಕರು ಮತ್ತೊಂದು ಅದ್ಭುತ ಅಧ್ಯಯನದ ಮೂಲಕ ಡೀಪ್ ಲರ್ನಿಂಗ್ ತಂತ್ರಗಳನ್ನು ಬಳಸಿಕೊಂಡು ನೈಜ ಸಮಯದಲ್ಲಿ ಈ ಪ್ರದೇಶದಲ್ಲಿ ಭಾರಿ ಮಳೆಯಾಗುವ ಸಾಧ್ಯತೆಗಳನ್ನು ನಿಖರವಾಗಿ ಊಹಿಸುವಲ್ಲಿ ಗಮನಾರ್ಹ ಪ್ರಗತಿ ಸಾಧಿಸಿದ್ದಾರೆ. ಅಸ್ಸಾಂನ ಸಂಕೀರ್ಣ ಭೂಪ್ರದೇಶದಲ್ಲಿ ನೈಜ ಸಮಯದ ಸಂದರ್ಭಗಳಿಗೆ ಹೊಸ ಹೈಬ್ರಿಡ್ ತಂತ್ರಜ್ಞಾನವು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿರುವುದು ಅಧ್ಯಯನದಲ್ಲಿ ತಿಳಿದು ಬಂದಿದೆ.

ಐಇಇಇ ಎಕ್ಸ್​ಪ್ಲೋರ್​​ನಲ್ಲಿ (IEEE Xplore) ಪ್ರಕಟವಾದ 'ಅಸ್ಸಾಂನಲ್ಲಿ ನೈಜ-ಸಮಯದ ಭಾರಿ ಮಳೆ ಘಟನೆಗಳ ಸಂದರ್ಭದಲ್ಲಿ ಡೀಪ್ ಲರ್ನಿಂಗ್ ಬಳಸಿಕೊಂಡು ಮುನ್ಸೂಚನೆಯಲ್ಲಾಗುವ ದೋಷ ಕಡಿಮೆ ಮಾಡುವುದು' ('Minimization of Forecast Error Using Deep Learning for Real-Time Heavy Rainfall Events Over Assam) ಎಂಬ ಶೀರ್ಷಿಕೆಯ ಅಧ್ಯಯನವು, ಸಾಂಪ್ರದಾಯಿಕ ಡಬ್ಲ್ಯುಆರ್​ಎಫ್ ಮಾದರಿಯೊಂದಿಗೆ ಡೀಪ್ ಲರ್ನಿಂಗ್ ಅನ್ನು ಸಂಯೋಜಿಸುವುದು ನೈಜ ಸಮಯದಲ್ಲಿ ಭಾರಿ ಮಳೆ ಘಟನೆಗಳ ಮುನ್ಸೂಚನೆಯ ನಿಖರತೆಯನ್ನು ಅತ್ಯಧಿಕವಾಗಿ ಸುಧಾರಿಸುತ್ತದೆ ಎಂದು ತಿಳಿದು ಬಂದಿದೆ. ಇದು ಅಸ್ಸಾಂನಂತಹ ಪ್ರವಾಹ ಪೀಡಿತ ಪರ್ವತ ಪ್ರದೇಶಕ್ಕೆ ನಿರ್ಣಾಯಕ ಪ್ರಗತಿಯಾಗಿದೆ ಎಂದು ಮೂಲಗಳು ತಿಳಿಸಿವೆ.

ಜೂನ್ 13 ಮತ್ತು 17, 2023 ರ ನಡುವೆ ಭಾರಿ ಮಳೆಯಿಂದಾಗಿ ಅಸ್ಸಾಂನಲ್ಲಿ ತೀವ್ರ ಪ್ರವಾಹ ಉಂಟಾಗಿತ್ತು. ಈ ಸಂದರ್ಭದಲ್ಲಿ ಡೀಪ್ ಲರ್ನಿಂಗ್ ಮಾದರಿಯ ಮೂಲಕ ಜಿಲ್ಲಾ ಮಟ್ಟದಲ್ಲಿ ಮಳೆಯ ಪ್ರಾದೇಶಿಕ ವಿತರಣೆ ಮತ್ತು ತೀವ್ರತೆಯನ್ನು ಹೆಚ್ಚು ನಿಖರವಾಗಿ ಊಹಿಸಲು ಸಾಧ್ಯವಾಯಿತು. ಸಂಶೋಧನೆಯು ನೈಜ ಸಮಯದಲ್ಲಿ ಆರಂಭಿಕ ಹವಾಮಾನ ಮುನ್ಸೂಚನೆಗಳನ್ನು ರಚಿಸಲು ಡಬ್ಲ್ಯುಆರ್​ಎಫ್ ಮಾದರಿಯನ್ನು ಬಳಸಿತು. ನಂತರ ಅವುಗಳನ್ನು ಡೀಪ್ ಲರ್ನಿಂಗ್ ಮಾದರಿಯನ್ನು ಬಳಸಿಕೊಂಡು ಪರಿಷ್ಕರಿಸಲಾಯಿತು.

ಈ ಹೊಸ ವಿಧಾನದ ಮೂಲಕ ತಜ್ಞರು ಈಗ ಮಳೆಯ ಮಾದರಿಗಳ ಹೆಚ್ಚು ವಿವರವಾದ ವಿಶ್ಲೇಷಣೆಯನ್ನು ನಡೆಸಬಹುದು. ದತ್ತಾಂಶದಲ್ಲಿನ ಸಂಕೀರ್ಣ ಪ್ರಾದೇಶಿಕ ಅವಲಂಬನೆಗಳನ್ನು ಉತ್ತಮವಾಗಿ ಲೆಕ್ಕಾಚಾರ ಮಾಡಲು spatio-attention ಮಾಡ್ಯೂಲ್ ಅನ್ನು ಸೇರಿಸಬಹುದು.

ಇದನ್ನೂ ಓದಿ: 18 ಉಪಗ್ರಹಗಳನ್ನು ಕಕ್ಷೆಗೆ ಸೇರಿಸಿದ ಬೆನ್ನಲ್ಲೇ 300 ಚೂರುಗಳಾಗಿ ಸ್ಪೋಟಗೊಂಡ ಚೀನಾ ರಾಕೆಟ್​ - Chinas rocket explodes

ಭುವನೇಶ್ವರ: ಹವಾಮಾನ ಮುನ್ಸೂಚನೆಯ ನಿಖರತೆಯನ್ನು ಹೆಚ್ಚಿಸಲು, ವಿಶೇಷವಾಗಿ ಸಾಕಷ್ಟು ಮುಂಚಿತವಾಗಿ ಭಾರಿ ಮಳೆಯಾಗುವ ಸಂಭವನೀಯತೆಗಳ ಮುನ್ಸೂಚನೆ ವ್ಯವಸ್ಥೆಯನ್ನು ಸುಧಾರಿಸುವ ಉದ್ದೇಶದಿಂದ, ಹವಾಮಾನ ಸಂಶೋಧನೆ ಮತ್ತು ಮುನ್ಸೂಚನೆ (ಡಬ್ಲ್ಯುಆರ್​ಎಫ್) ಮಾದರಿಯ ಫಲಿತಾಂಶಗಳನ್ನು ಡೀಪ್ ಲರ್ನಿಂಗ್ (ಡಿಎಲ್) ಮಾದರಿಯ ಒಳಗೆ ಸಂಯೋಜಿಸುವ ಮೂಲಕ ಭುವನೇಶ್ವರದ ಇಂಡಿಯನ್ ಇನ್ಸ್ಟಿಟ್ಯೂಟ್ ಆಫ್ ಟೆಕ್ನಾಲಜಿ (ಐಐಟಿ) ಯು ಹೈಬ್ರಿಡ್ ತಂತ್ರಜ್ಞಾನವೊಂದನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದೆ.

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ನೈಜ-ಸಮಯದ ಹವಾಮಾನ ಮುನ್ಸೂಚನೆಯನ್ನು ಸುಧಾರಿಸುವ ಸಾಮರ್ಥ್ಯ ಹೊಂದಿದೆ ಎಂಬುದನ್ನು ಈ ಅಧ್ಯಯನವು ಎತ್ತಿ ತೋರಿಸಿದೆ. ವಿಶೇಷವಾಗಿ ಭಾರತದ ಸಂಕೀರ್ಣ ಭೂಪ್ರದೇಶಗಳಲ್ಲಿ ಭಾರಿ ಮಳೆಯ ಘಟನೆಗಳ ಸಂದರ್ಭದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಬಳಕೆ ಉಪಯುಕ್ತವಾಗಿದೆ ಎಂಬುದು ಅಧ್ಯಯನದಲ್ಲಿ ತಿಳಿದು ಬಂದಿದೆ.

ಜೂನ್ 2023 ರಲ್ಲಿ ಅಸ್ಸಾಂನ ಬೆಟ್ಟ ಗುಡ್ಡಗಳಿರುವ ಸಂಕೀರ್ಣ ಭೂಪ್ರದೇಶದಲ್ಲಿ (ಬಹಳಷ್ಟು ಸಲ ತೀವ್ರ ಪ್ರವಾಹ ಉಂಟಾಗುವ ಪ್ರದೇಶ) ಮತ್ತು ಒಡಿಶಾ ರಾಜ್ಯದಾದ್ಯಂತ ಈ ಅಧ್ಯಯನಗಳನ್ನು ನಡೆಸಲಾಯಿತು. ಈ ಪ್ರದೇಶಗಳಲ್ಲಿ ಮಾನ್ಸೂನ್ ಸಮಯದ ಕಡಿಮೆ ಒತ್ತಡದ ಹವಾಮಾನ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಆಗಾಗ ಮೇಘಸ್ಪೋಟ ಘಟನೆಗಳು ಸಂಭವಿಸುತ್ತಿರುತ್ತವೆ.

"ಅಸ್ಸಾಂನಲ್ಲಿ, ಹೈಬ್ರಿಡ್ ಮಾದರಿಯು ಹವಾಮಾನ ಊಹೆಯಲ್ಲಿ ನಿಖರತೆಯನ್ನು ಪ್ರದರ್ಶಿಸಿದೆ. ಇದು ಜಿಲ್ಲಾ ಮಟ್ಟದಲ್ಲಿ ಸಾಂಪ್ರದಾಯಿಕ ಸಮೂಹ ಮುನ್ಸೂಚನಾ ಮಾದರಿಗಳಿಗಿಂತ ಸುಮಾರು ಎರಡು ಪಟ್ಟು ನಿಖರವಾಗಿದೆ. 96 ಗಂಟೆಗಳವರೆಗಿನ ಲೀಡ್ ಸಮಯವನ್ನು ಹೊಂದಿದೆ. ಇದು ಹೊಸ ಹೈಬ್ರಿಡ್ ಮಾದರಿಯು ಗಮನಾರ್ಹ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಹೊಂದಿರುವುದನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಪೂರ್ವಾನ್ವಯ ಪ್ರಕರಣಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಈ ನವೀನ ಅಧ್ಯಯನಗಳನ್ನು ನಡೆಸಲಾಗಿದೆ" ಎಂದು ಅಧಿಕೃತ ಮೂಲಗಳು ತಿಳಿಸಿವೆ.

ಐಐಟಿ-ಭುವನೇಶ್ವರದ ಸಂಶೋಧಕರು ಮತ್ತೊಂದು ಅದ್ಭುತ ಅಧ್ಯಯನದ ಮೂಲಕ ಡೀಪ್ ಲರ್ನಿಂಗ್ ತಂತ್ರಗಳನ್ನು ಬಳಸಿಕೊಂಡು ನೈಜ ಸಮಯದಲ್ಲಿ ಈ ಪ್ರದೇಶದಲ್ಲಿ ಭಾರಿ ಮಳೆಯಾಗುವ ಸಾಧ್ಯತೆಗಳನ್ನು ನಿಖರವಾಗಿ ಊಹಿಸುವಲ್ಲಿ ಗಮನಾರ್ಹ ಪ್ರಗತಿ ಸಾಧಿಸಿದ್ದಾರೆ. ಅಸ್ಸಾಂನ ಸಂಕೀರ್ಣ ಭೂಪ್ರದೇಶದಲ್ಲಿ ನೈಜ ಸಮಯದ ಸಂದರ್ಭಗಳಿಗೆ ಹೊಸ ಹೈಬ್ರಿಡ್ ತಂತ್ರಜ್ಞಾನವು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿರುವುದು ಅಧ್ಯಯನದಲ್ಲಿ ತಿಳಿದು ಬಂದಿದೆ.

ಐಇಇಇ ಎಕ್ಸ್​ಪ್ಲೋರ್​​ನಲ್ಲಿ (IEEE Xplore) ಪ್ರಕಟವಾದ 'ಅಸ್ಸಾಂನಲ್ಲಿ ನೈಜ-ಸಮಯದ ಭಾರಿ ಮಳೆ ಘಟನೆಗಳ ಸಂದರ್ಭದಲ್ಲಿ ಡೀಪ್ ಲರ್ನಿಂಗ್ ಬಳಸಿಕೊಂಡು ಮುನ್ಸೂಚನೆಯಲ್ಲಾಗುವ ದೋಷ ಕಡಿಮೆ ಮಾಡುವುದು' ('Minimization of Forecast Error Using Deep Learning for Real-Time Heavy Rainfall Events Over Assam) ಎಂಬ ಶೀರ್ಷಿಕೆಯ ಅಧ್ಯಯನವು, ಸಾಂಪ್ರದಾಯಿಕ ಡಬ್ಲ್ಯುಆರ್​ಎಫ್ ಮಾದರಿಯೊಂದಿಗೆ ಡೀಪ್ ಲರ್ನಿಂಗ್ ಅನ್ನು ಸಂಯೋಜಿಸುವುದು ನೈಜ ಸಮಯದಲ್ಲಿ ಭಾರಿ ಮಳೆ ಘಟನೆಗಳ ಮುನ್ಸೂಚನೆಯ ನಿಖರತೆಯನ್ನು ಅತ್ಯಧಿಕವಾಗಿ ಸುಧಾರಿಸುತ್ತದೆ ಎಂದು ತಿಳಿದು ಬಂದಿದೆ. ಇದು ಅಸ್ಸಾಂನಂತಹ ಪ್ರವಾಹ ಪೀಡಿತ ಪರ್ವತ ಪ್ರದೇಶಕ್ಕೆ ನಿರ್ಣಾಯಕ ಪ್ರಗತಿಯಾಗಿದೆ ಎಂದು ಮೂಲಗಳು ತಿಳಿಸಿವೆ.

ಜೂನ್ 13 ಮತ್ತು 17, 2023 ರ ನಡುವೆ ಭಾರಿ ಮಳೆಯಿಂದಾಗಿ ಅಸ್ಸಾಂನಲ್ಲಿ ತೀವ್ರ ಪ್ರವಾಹ ಉಂಟಾಗಿತ್ತು. ಈ ಸಂದರ್ಭದಲ್ಲಿ ಡೀಪ್ ಲರ್ನಿಂಗ್ ಮಾದರಿಯ ಮೂಲಕ ಜಿಲ್ಲಾ ಮಟ್ಟದಲ್ಲಿ ಮಳೆಯ ಪ್ರಾದೇಶಿಕ ವಿತರಣೆ ಮತ್ತು ತೀವ್ರತೆಯನ್ನು ಹೆಚ್ಚು ನಿಖರವಾಗಿ ಊಹಿಸಲು ಸಾಧ್ಯವಾಯಿತು. ಸಂಶೋಧನೆಯು ನೈಜ ಸಮಯದಲ್ಲಿ ಆರಂಭಿಕ ಹವಾಮಾನ ಮುನ್ಸೂಚನೆಗಳನ್ನು ರಚಿಸಲು ಡಬ್ಲ್ಯುಆರ್​ಎಫ್ ಮಾದರಿಯನ್ನು ಬಳಸಿತು. ನಂತರ ಅವುಗಳನ್ನು ಡೀಪ್ ಲರ್ನಿಂಗ್ ಮಾದರಿಯನ್ನು ಬಳಸಿಕೊಂಡು ಪರಿಷ್ಕರಿಸಲಾಯಿತು.

ಈ ಹೊಸ ವಿಧಾನದ ಮೂಲಕ ತಜ್ಞರು ಈಗ ಮಳೆಯ ಮಾದರಿಗಳ ಹೆಚ್ಚು ವಿವರವಾದ ವಿಶ್ಲೇಷಣೆಯನ್ನು ನಡೆಸಬಹುದು. ದತ್ತಾಂಶದಲ್ಲಿನ ಸಂಕೀರ್ಣ ಪ್ರಾದೇಶಿಕ ಅವಲಂಬನೆಗಳನ್ನು ಉತ್ತಮವಾಗಿ ಲೆಕ್ಕಾಚಾರ ಮಾಡಲು spatio-attention ಮಾಡ್ಯೂಲ್ ಅನ್ನು ಸೇರಿಸಬಹುದು.

ಇದನ್ನೂ ಓದಿ: 18 ಉಪಗ್ರಹಗಳನ್ನು ಕಕ್ಷೆಗೆ ಸೇರಿಸಿದ ಬೆನ್ನಲ್ಲೇ 300 ಚೂರುಗಳಾಗಿ ಸ್ಪೋಟಗೊಂಡ ಚೀನಾ ರಾಕೆಟ್​ - Chinas rocket explodes

ETV Bharat Logo

Copyright © 2024 Ushodaya Enterprises Pvt. Ltd., All Rights Reserved.