In questo articolo Indice dei contenuti 2 sezioni
Le previsioni meteo non nascono più da un solo modello matematico che sputa fuori temperature, piogge e raffiche di vento per i giorni successivi. La potenza di calcolo è cresciuta, le osservazioni disponibili si sono moltiplicate e nel frattempo sono arrivati sistemi costruiti sulle IA, che stanno cambiando il modo stesso in cui una previsione viene messa insieme. Su questa strada si colloca il SuperModel di iLMeteo, la piattaforma proprietaria che oggi rappresenta il cuore del sistema previsionale della società.
Ogni giorno il SuperModel acquisisce centinaia di milioni di dati e lavora con una ventina di modelli meteorologici internazionali, tra cui ECMWF, AIFS, GFS, ICON, WRF e AROME. A questi si aggiungono radar, satelliti e decine di migliaia di stazioni al suolo. Il sistema mette a confronto gli scenari, ne misura le prestazioni e assegna a ciascuno un peso diverso per costruire la previsione finale. La configurazione cambia quindi a seconda della situazione atmosferica e di quanto sia lontano nel tempo l’evento da prevedere. Il motivo è semplice: un modello migliore in assoluto non esiste, ce ne sono di più efficaci per certi fenomeni o certe scadenze temporali e meno affidabili in altre condizioni.
Cosa vuol dire davvero modello proprietario
Qui l’equivoco è dietro l’angolo. iLMeteo non possiede i grandi modelli internazionali né i dati prodotti da enti esterni. La parte proprietaria riguarda l’architettura con cui le informazioni vengono raccolte, gli algoritmi che le elaborano, le procedure con cui gli scenari vengono confrontati e ponderati, più il know how accumulato per trasformare tutto questo in una previsione pubblicabile. Il risultato è una piattaforma che usa più modelli contemporaneamente, invece di affidarsi all’output di uno soltanto.
Il percorso è cominciato circa 15 anni fa con ZEUS, il sistema previsionale sviluppato a partire dalla famiglia di modelli ETA ed elaborato direttamente nel centro di calcolo aziendale, con i dati del Centro europeo per le previsioni meteorologiche a medio termine tra le fonti. Già allora si lavorava con tecniche ensemble, cioè con più simulazioni invece di una singola evoluzione possibile dell’atmosfera. Nel 2016, con ZEUS 2016 HD, la risoluzione è scesa fino a 5 chilometri, abbastanza per rappresentare montagne, valli, coste, laghi e aree urbane con maggiore dettaglio. Poi sono arrivati modelli globali e sistemi ad alta risoluzione come ECMWF HRES, UKMO, GFS, WRF e ICON. In quella fase si confrontavano gli scenari e se ne sceglieva uno. Con il SuperModel la logica cambia: gli scenari contribuiscono tutti insieme alla previsione finale.
Due meccanismi contano più di altri. La pesatura dinamica, che stabilisce quanto ciascun modello incida sul risultato in base alle sue caratteristiche e alle prestazioni osservate. E il cosiddetto Multi Forcing, che combina più scenari e condizioni iniziali, così che modelli globali diversi possano alimentare sistemi ad alta risoluzione producendo previsioni multiple. Ne escono sia scenari deterministici, che descrivono una specifica evoluzione, sia scenari probabilistici, utili perché l’atmosfera resta un sistema complesso e ogni previsione porta con sé un margine di incertezza.
Dal dato acquisito alla previsione sul telefono
Dietro il numero che appare sullo schermo c’è una catena articolata. Acquisizione continua, 24 ore su 24. Integrazione degli scenari nella stessa piattaforma. Elaborazione e pesatura. Poi il passaggio dalla scala generale a quella territoriale, fino ai singoli comuni. A quel punto entra la supervisione umana: fisici e meteorologi analizzano gli scenari, soprattutto quando la situazione è complicata o l’incertezza è alta. L’ultimo anello è il nowcasting, la previsione delle ore immediatamente successive, con aggiornamenti che possono scendere a intervalli di dieci minuti.
Il mix di fonti varia anche in base all’orizzonte temporale. Nel brevissimo termine pesano radar e sistemi Rapid Update Cycle. Nel breve termine salgono i modelli ad altissima risoluzione, che arrivano a circa un chilometro. Sul medio e lungo termine dominano gli ensemble, ed è lì che entrano i modelli di nuova generazione basati sulle IA, con orizzonti fino a 15 giorni.
Nel SuperModel le IA lavorano su due fronti. Da un lato c’è AIFS, Artificial Intelligence Forecasting System sviluppato da ECMWF, che al posto delle equazioni fisiche usa reti neurali addestrate su decenni di dati atmosferici. Dall’altro, tecniche di machine learning vengono integrate nell’architettura proprietaria per valutare le prestazioni degli scenari. Il sistema chiude poi il cerchio con la verifica ex post: le previsioni vengono confrontate con quanto registrano davvero le stazioni al suolo, e da lì si affinano i meccanismi.
