Aalto大学とフィンランド気象研究所の科学者のチームは、暴風雨による損傷によって引き起こされる停電を予測するためのオープンソースのAIモデルを開発した。このモデルは、15km以内の暴風雨の場所を予測し、変圧器の損傷量を81％の精度で分類できるため、電力会社は停止に備え、停止に対してより迅速に修復することができる。
この取り組みは、欧州地球科学連合（EGU）の自然災害と地球システム科学（NHESS）ジャーナルに掲載された記事に記載されている。このモデルは、最大10日前までの大規模な低圧の暴風雨による電力変圧器の損傷を予測する。そして、その結果を損傷なし、損傷が少ない（変圧器の損傷が140未満）、損傷が大きい（140を超える）のいずれかに分類する。予測は、81％の精度と61％の再現率を達成しているサポートベクトル分類器をベースにしている。このモデルを使うと、電力会社は資材と修復作業員の準備を行うことができ、顧客への電力をより迅速に復旧できる。
フィンランドは森林の多い国であるため、特に強い温帯低気圧の際には、倒木によって頭上の送電線が損傷することがよくある。平均して、国の停電の約46％はこれらの暴風雨が原因であった。電力会社は、長期の停止に対して顧客に金銭的補償を提供することが法律で義務付けられているため、企業は迅速な修理のために多くの労働力を維持している。ハリケーンによる停電や樹木への被害を予測するためにAI技術を適用した研究者もいるが（驚くことではないが、ランダムフォレストはこのタスクに非常に適している）、温帯低気圧による停電については特に研究がほとんどない。
フィンランドのチームのモデルは、最初に気象データで暴風雨のオブジェクトを特定することによって機能する。これらは、1時間の時間間隔で地表の突風が特定のしきい値を超えるポリゴンとして定義される。次に、暴風雨のオブジェクトの動きがこれらの時間間隔で追跡される。暴風雨による被害の深刻さを予測するために、モデルは、風速と風向、気温と気圧、雲量など、各暴風雨オブジェクトからいくつかの特徴を抽出する。このモデルには、暴風雨の現在の場所からの森林データも組み込まれる。これらの機能は、分類器への入力として使用される。チームは次のように述べている。
私たちの方法は、温帯低気圧オブジェクトをポリゴンとして使用し、それらを気象学的および非気象学的特徴と組み合わせて停電を予測する初の方法です。
チームは、過去の気象データと停電データを使用して、いくつかの異なる分類モデルをトレーニングおよび評価した。分類モデルには、ランダムフォレスト（RFC）、サポートベクターマシン（SVC）、ガウスナイーブベイズ（GNB）、ガウス過程（GP）、多層パーセプトロン（MLP）などがある。データセット内のほとんどの暴風雨は損傷を引き起こさなかったため、出力クラスのバランスが取れておらず、評価メトリックの選択が難しくなる可能性がある（たとえば、精度はしばしば不適切な選択である）。チームは、彼らのユースケースにおいては、最悪の結果は、実際に被害を引き起こすものに対して、暴風雨の被害がないと予測することであると述べた。したがって、彼らはSVCを選択した。これは「結果として起こる被害の規模を間違えることがあるが、破壊的な暴風雨を見逃す数が最も少ない」。
従来の天気予報方法は、確率論的方法と物理モデルに基づいていることがよくある。一方で、最近、いくつかの大手テクノロジー企業が、天気予報にAIとディープラーニングを使用することに関する研究を発表した。昨年、Microsoftはワシントン大学の科学者と協力して「グローバルグリッド上のいくつかの基本的な大気変数」を予測する畳み込みニューラルネットワーク（CNN）モデルを開発した。今年の初め、GoogleのDeepMindブランチのチームは、英国気象庁と協力して、ナウキャスト向けにディープラーニングベースの生成モデルを作成した。それは「最大2時間先の降水量の高解像度予測」である。
暴風雨の追跡と分類のためのフィンランドチームのソースコードは、GitHubで入手できる。天気と森林のデータセットも公開されている。ただし、停電データは独自のものである。