USP研究者がストームの進路と強度を30分先まで予測するAIツールを開発

サンパウロ大学(USP)の天文学、地球物理学および大気科学研究所(IAG)の研究チームが、嵐の進路と強度を到来の最大30分前に予測する人工知能システムを開発したと、Jornal da USPとサンパウロ研究財団(FAPESP)の報告によります。このシステムはTITAN-LSTMと呼ばれ、5分ごとに予報を更新します。

このツールはIAG-USPのポスドク研究者Andrea Salome Viteri Lópezによって、教授Carlos Augusto Morales Rodriguezの指導下で開発されました。この研究はFAPESPにより資金提供され、USPの報告によると、Capesからもサポートを受けました。結果は2026年10月1日にJournal of Geophysical Research: Machine Learning and ComputationにDOI 10.1029/2026JH001337の下で発表されました(FAPESPニュースエージェンシーによる)。

システムはどのように機能するか

TITAN-LSTMは、2つの既存技術を組み合わせています。最初のTITANは、1990年代にアメリカ国立大気研究センター(NCAR)によって開発されたオープンソースアルゴリズムであり、レーダー画像を使用して嵐を追跡し、各嵐の面積、強度、方向と速度を計算します。2つ目は長短期記憶(LSTM)ニューラルネットワークであり、時間経過に伴うデータシーケンスのパターンを認識するように構築されたAIモデルです。

システムは生のレーダー画像をニューラルネットワークに供給するのではなく、TITANの嵐測定値を数値シーケンスに変換し、LSTMモデルはそれを使用して嵐の面積、方向および強度がどのように進化するかを投影します。ニュースアウトレットND+は、Lópezがプロジェクトの目標を、非常に短い時間範囲での降雨予報を生成することであると述べたと報告しました。

訓練データとテスト

モデルはFAPESPニュースエージェンシーによると、2016年から2019年のサンパウロ首都圏のビリティバ・ミリム市のポンテ・ノバダムにあるSP Águas(Daee-Spol)によって運営された偏波気象レーダーのデータを使用して訓練およびテストされました。このレーダーは半径120キロメートルをカバーしました。Jornal da USPもレーダーの位置と同じ2016–2019年のデータ期間を報告しました。

研究者は、そのレーダーデータで32,000を超える嵐を最初に追跡しました。嵐が少なくとも20分続き、他の嵐と融合しなかったものを含む選択基準を適用した後、439の事象が残りました。このうち、307は神経ネットワークの訓練に使用され、132はテストに使用されました(FAPESPエージェンシーの報告による)。

報告された精度

FAPESPニュースエージェンシーの報告された数字によると、TITAN-LSTMは嵐の降雨がカバーする面積を予測するスタンドアロンのTITAN方法よりも約3倍優れた性能を発揮し、精度指数を初期予報分で約0.2から約0.7に向上させました。同じソースは誤報の約70%削減と、5分先で1時間あたり約3mmの降雨強度誤差、30分先で3〜4mm/時間への上昇を報告しました。

Jornal da USPは、ハイブリッドモデルがより複雑なディープラーニングアプローチのパフォーマンスに一致しながら、実質的に少ないコンピューティング能力を必要としたことを報告しました。ND+は、モデルの訓練が標準的なラップトップで約20分かかり、スーパーコンピュータの必要性がなかったと報告しました。

意図された用途

Jornal da USPとFAPESPエージェンシーの報告によると、目標は民間防衛機関に、嵐の最も激しい雨が到来する前に道路を閉鎖したり人々をリスク地域から避難させたりするなどの対策を決定するためのより多くのリード時間を与えることです。アウトレットはまた、降雨強度の上流の情報を知ることが、下流の急速な河川水位上昇を予測するのに役立つため、水文および洪水警告モデルに給付する潜在的な使用も報告しました。

Jornal da USPは、研究者によって説明された、より広い目標は、厳しい気象イベント中に緊急管理センターのスタッフに適切な決定を下すためのより良い条件を与えることであることを報告しました。

研究の制限

モデルは2016年から2019年のサンパウロ首都圏のレーダーデータでのみ訓練およびテストされ、報告された精度数字はそのデータセットに適用されます。確認されたソースは、運用配備日や、ツールが民間防衛機関によって採用されたかどうかを報告していません。