USP Araştırmacıları, Fırtınanın Yolunu ve Şiddetini 30 Dakika Önceden Tahmin Eden Yapay Zeka Aracı Geliştirdi

Jornal da USP ve São Paulo Araştırma Vakfı'na (FAPESP) göre, São Paulo Üniversitesi'nin (USP) Astronomi, Jeofizik ve Atmosfer Bilimleri Enstitüsü'nde (IAG) çalışan bir ekip, fırtınaların yolunu ve şiddetini gelmelerinden 30 dakika öncesine kadar tahmin eden bir yapay zeka sistemi geliştirdi. TITAN-LSTM adlı sistem, tahminini her beş dakikada bir güncelliyor.

Araç, profesör Carlos Augusto Morales Rodriguez'in gözetiminde, IAG-USP'de doktora sonrası araştırmacı olan Andrea Salome Viteri López tarafından geliştirildi. Çalışma FAPESP tarafından finanse edildi ve USP'nin haberine göre Capes'ten de destek aldı. Sonuçlar, FAPESP'in haber ajansına göre 1 Ekim 2026'da Journal of Geophysical Research: Machine Learning and Computation dergisinde, 10.1029/2026JH001337 DOI numarasıyla yayımlandı.

Sistem nasıl çalışıyor

TITAN-LSTM, mevcut iki teknolojiyi birleştiriyor. Birincisi olan TITAN, 1990'larda ABD Ulusal Atmosfer Araştırmaları Merkezi tarafından radar görüntüleri kullanarak fırtınaları takip etmek, her fırtınanın alanını, şiddetini, yönünü ve hızını hesaplamak amacıyla geliştirilmiş açık kaynaklı bir algoritma. İkincisi, zaman içindeki veri dizilerindeki örüntüleri tanımak için tasarlanmış bir yapay zeka modeli türü olan Uzun Kısa Süreli Bellek (LSTM) sinir ağı.

Sistem, ham radar görüntülerini doğrudan sinir ağına beslemek yerine, TITAN'ın fırtına ölçümlerini sayısal dizilere dönüştürüyor; LSTM modeli de bu dizileri kullanarak fırtınanın alanının, yönünün ve şiddetinin nasıl gelişeceğini öngörüyor. Haber kuruluşu ND+, López'in projenin hedefini çok kısa bir zaman diliminde yağış tahmini üretmek olarak tanımladığını bildirdi.

Eğitim verileri ve testler

FAPESP'in haber ajansına göre model, SP Águas (Daee-Spol) tarafından işletilen, São Paulo metropol bölgesindeki Biritiba Mirim'de bulunan Ponte Nova barajındaki polarimetrik hava radarından 2016-2019 yılları arasında, 120 kilometre yarıçapı kapsayan verilerle eğitildi ve test edildi. Jornal da USP de radarın konumunu ve aynı 2016-2019 veri dönemini bildirdi.

Araştırmacılar başlangıçta bu radar verilerinde 32.000'den fazla fırtınayı takip etti. En az 20 dakika süren ve başka fırtınalarla birleşmeyenler gibi seçim kriterleri uygulandıktan sonra 439 olay geriye kaldı. FAPESP'in ajansına göre bunlardan 307'si sinir ağını eğitmek, 132'si ise test etmek için kullanıldı.

Bildirilen doğruluk

FAPESP'in haber ajansının bildirdiği rakamlara göre, TITAN-LSTM, bir fırtınanın yağmurunun kaplayacağı alanı tahmin etmede tek başına kullanılan TITAN yöntemine kıyasla yaklaşık üç kat daha iyi performans gösterdi ve doğruluk endeksini erken tahmin dakikalarında kabaca 0,2'den yaklaşık 0,7'ye çıkardı. Aynı kaynak, yanlış alarmlarda yaklaşık %70'lik bir azalma ve beş dakika öncesinde saatte yaklaşık 3 mm, 30 dakikalık işaretinde ise saatte 3-4 mm'ye yükselen bir yağış şiddeti hata payı bildirdi.

Jornal da USP, hibrit modelin önemli ölçüde daha az hesaplama gücü gerektirirken daha karmaşık derin öğrenme yaklaşımlarının performansına eşit sonuçlar verdiğini bildirdi. ND+, modelin eğitiminin süper bilgisayarlara ihtiyaç duyulmadan standart bir dizüstü bilgisayarda yaklaşık 20 dakika sürdüğünü bildirdi.

Kullanım amacı

Jornal da USP ve FAPESP'in ajansına göre amaç, sivil savunma kurumlarına, fırtınanın en yoğun yağmuru gelmeden önce yol kapatma veya risk bölgelerinden insanları tahliye etme gibi önlemler konusunda karar verebilmeleri için daha fazla süre kazandırmak. Haber kuruluşları, yukarı akımdaki yağış şiddetinin bilinmesinin aşağı akımda nehir seviyelerindeki hızlı yükselişleri önceden tahmin etmeye yardımcı olabilmesi nedeniyle, hidrolojik ve sel uyarı modellerini beslemede de potansiyel kullanım olabileceğini bildirdi.

Jornal da USP, araştırmacıların tanımladığı şekliyle daha genel hedefin, acil durum yönetim merkezlerindeki personele şiddetli hava olayları sırasında uygun kararlar alabilmeleri için daha iyi koşullar sağlamak olduğunu bildirdi.

Çalışmanın sınırları

Model yalnızca São Paulo metropol bölgesine ait 2016-2019 yılları arasındaki radar verileriyle eğitildi ve test edildi; bildirilen doğruluk rakamları bu veri setine özgüdür. İncelenen kaynaklar, bir operasyonel kullanıma geçiş tarihi bildirmediği gibi, aracın herhangi bir sivil savunma kurumu tarafından benimsenip benimsenmediğini de bildirmedi.