MIT baut ein Modell, das die Flut vorhersagt, die es nie gab — 300 Millimeter Regen über New York, wo der Rekord bei rund 200 liegt

Kai Chang, Doktorand im Maschinenbau, und Professor Themis Sapsis vom Center for Computational Science and Engineering des MIT haben eine Methode veröffentlicht, mit der sich Extremwetterszenarien erzeugen lassen, die im historischen Datensatz nirgends vorkommen. Maschinell lernende Wettermodelle lernen aus dem Geschehenen — die seltensten und schädlichsten Ereignisse sind damit genau jene, die sie am wenigsten gesehen haben, häufig überhaupt nicht. Ihr Ansatz, Extreme Event Aware oder η-Learning genannt, verbindet zwei Datenarten: detaillierte Raumkarten aus einem kurzen Beobachtungsfenster und langjährige Punktstatistiken darüber, wie oft Extreme einer bestimmten Größe auftreten. Die Statistik zwingt die Karten in Schranken, sodass das Modell ein Niederschlagsmuster zeichnen kann, das nie beobachtet wurde und dennoch weder physikalisch noch statistisch absurd ist — samt Schätzungen zu Dauer, Intensität und betroffener Fläche. Trainiert mit sechs Monaten Kartenmaterial und 25 Jahren Statistik zu US-Niederschlägen, erzeugte es für New York City plausible Regenkarten mit bis zu 300 Millimetern, gegenüber einem historischen Maximum von etwa 200. Die Arbeit erschien am 20. August in Nature Communications.

✓ Verifiziert · 2 Quellen

Verwandte Meldungen