Le MIT a bâti un modèle qui prévoit l'inondation qui n'a jamais eu lieu : 300 mm de pluie sur New York, où le record avoisine 200

Kai Chang, doctorant en génie mécanique, et le professeur Themis Sapsis, du Centre de science et d'ingénierie computationnelles du MIT, ont publié une méthode pour engendrer des scénarios météorologiques extrêmes absents de tout registre historique. Les modèles météo par apprentissage automatique apprennent de ce qui s'est produit : les événements les plus rares et les plus destructeurs sont donc précisément ceux qu'ils ont le moins vus, souvent jamais. Leur approche, baptisée Extreme Event Aware ou η-learning, combine deux types de données : des cartes spatiales détaillées issues d'une courte fenêtre d'observation, et des statistiques ponctuelles de long terme sur la fréquence des extrêmes d'une amplitude donnée. Les statistiques contraignent les cartes, si bien que le modèle peut dessiner un motif de précipitations jamais observé mais qui n'est absurde ni physiquement ni statistiquement, et l'assortir d'estimations de durée, d'intensité et d'étendue. Entraîné sur six mois de cartes et 25 ans de statistiques sur les précipitations aux États-Unis, il a produit pour New York des cartes de pluie plausibles atteignant 300 millimètres, contre un maximum historique d'environ 200. Les travaux sont parus dans Nature Communications le 20 août.

✓ Vérifié · 2 sources

Actus liées