Innovation
Forskarnas enkla lösning kan förutse blixtnedslagen

Deras algoritm har lärt sig vilket väder som ger åsknedslag. Enligt forskarna har systemet 80 procents träffsäkerhet – inom en radie på 30 kilometer, och ett tidspann på 10–30 minuter.
Blixtnedslag är ett oförutsägbart naturfenomen som slår ut elnät, dödar människor, skapar skogsbränder och tänder eld på byggnader. Men urladdningarna slår även mot solcellsanläggningar och vindkraftverk.
En enkel lösning som med små marginaler kan förutse var åsknedslagen kommer att ske kan verka tekniskt svårt att få till, men nu hävdar ett team vid det schweiziska forskningsinstitutet EPFL:s School of Engineering att de har lyckats med just detta.
The Electromagnetic Compatibility Laboratory har tränat sin artificiella intelligens med hjälp av en databas som omfattar fyra meteorologiska parametrar: atmosfäriskt tryck, lufttemperatur, luftfuktighet och vindhastighet. Datan är insamlad vid tolv schweiziska väderstationer över en tioårsperiod, och värdena har sedan ställts mot registrerade åsknedslag.
På så sätt har deras maskininlärande algoritm kunnat kartlägga vilken typ av väder som råder vid åsknedslag i olika regioner. Och forskarna hävdar att deras system kan förutse nedslagens plats och tidpunkt med 80 procents träffsäkerhet, inom ett tidspann på de kommande 10–30 minuterna och inom ett område med en radie på 30 kilometer.
– Dagens existerande system är långsamma och väldigt komplicerade. De kräver dessutom väldigt dyr, extern data som inhämtas med radar eller via satellit. Vår metod använder data som kan hämtas från vilken väderstation som helst. Det innebär att vi kan täcka avlägsna regioner som ligger utanför räckvidden för radar och satelliter – och där kommunikationsnätverk inte finns tillgängliga, säger Amirhossein Mostajabi, upphovsman till idén i ett uttalande.
Eftersom det är enkelt att samla in datan i realtid kan deras system skicka ut varningar redan innan åskovädret har formats. Teamets forskning har publicerats i Climate and Atmospheric Science, en tidskrift som sorterar under Nature.